Onderzoekers van de Chongqing Medical University en het Chongqing Key Laboratory of Oral Diseases hebben een nieuwe methode ontwikkeld om vroege tekenen van cognitieve achteruitgang bij ouderen te voorspellen. Door speekselmonsters te combineren met AI blijkt het mogelijk om neuropsychiatrische symptomen, vaak voorlopers van neurodegeneratieve aandoeningen, in een vroeg stadium te signaleren.
Naarmate mensen ouder worden, nemen zowel fysieke als mentale functies geleidelijk af. Bij een deel van de ouderen leidt dit uiteindelijk tot neurodegeneratieve aandoeningen, zoals dementie. Eerder onderzoek liet al zien dat cognitieve achteruitgang en geheugenverlies vaak worden voorafgegaan door neuropsychiatrische symptomen, waaronder somberheid, apathie, angst en prikkelbaarheid. Toch blijkt het in de praktijk lastig om op basis van deze klachten tijdig het risico op neurodegeneratie vast te stellen.
Combinatie van biomarkers en machine learning
Het onderzoeksteam, onder leiding van Ping Liu en Zeng Yang, onderzocht of biologische gegevens in combinatie met machine learning kunnen helpen bij grootschalige screening. In totaal namen 338 ouderen deel aan het onderzoek. Zij bezochten wijkgezondheidscentra in Chongqing (China) en vulden een vragenlijst in met demografische gegevens. Daarnaast stonden zij speekselmonsters af en werd het orale microbioom, de bacteriën in de mond, geanalyseerd.
Ook werden stressgerelateerde biomarkers gemeten, waaronder het hormoon cortisol en cytokinen, kleine eiwitten die een rol spelen in het immuunsysteem. De verzamelde data werden opgesplitst in twee datasets: één voor het trainen van de modellen (138 deelnemers) en één voor validatie (200 deelnemers).
De onderzoekers ontwikkelden en testten verschillende machine learning-modellen, waaronder Extreme Gradient Boosting (XGBoost), support vector machines (SVM) en logistische regressie. Het doel was om te bepalen welk model het best kon voorspellen welke ouderen een verhoogd risico hadden op het ontwikkelen van neuropsychiatrische symptomen, op basis van speeksel- en microbiële biomarkers.
XGBoost-model
Uit de analyses bleek dat het XGBoost-model het meest nauwkeurig was. Het zogenoemde ‘genus-augmented’ XGBoost-model behaalde een AUROC van 0,936 en een F1-score van 0,864, waarmee het beter presteerde dan de andere geteste modellen. Een logistisch regressiemodel werd bovendien omgezet in een nomogram, een visueel hulpmiddel dat zorgverleners kan ondersteunen bij risicobeoordeling in de eerstelijnszorg. Externe validatie liet ook hier sterke voorspellende prestaties zien (AUROC 0,986; F1-score 0,944).
Aanvullende analyses toonden verbanden aan tussen cortisol, het orale microbioom en metabole routes zoals de pentosefosfaatroute en de biosynthese van enterobacteriële antigenen. Dit biedt volgens de onderzoekers aanknopingspunten voor beter begrip van de onderliggende biologische mechanismen. De resultaten zijn gepubliceerd in het wetenschappelijke tijdschrift Translational Psychiatry.
Toepassing in de zorgpraktijk
Volgens de auteurs biedt de ontwikkelde AI-tool perspectief voor grootschalige, laagdrempelige screening van ouderen in de wijk. Door neuropsychiatrische symptomen eerder te herkennen, kunnen zorgverleners mogelijk sneller passende begeleiding, behandeling of preventieve interventies inzetten.
Hoewel vervolgonderzoek en validatie in andere populaties nodig zijn, laat deze studie zien hoe kunstmatige intelligentie en relatief eenvoudige biologische monsters, zoals speeksel, kunnen bijdragen aan preventieve en voorspellende zorg. Daarmee sluit het onderzoek aan bij een bredere ontwikkeling binnen de zorg, waarin data-analyse en AI steeds vaker worden ingezet om gezondheidsrisico’s eerder en nauwkeuriger in beeld te brengen.
Speeksel als biomarker
Vorig jaar hebben onderzoekers van de Universiteit van Cincinnati een innovatieve lab-on-a-chip ontwikkeld waarmee stresshormonen zoals cortisol en DHEA snel en non-invasief via speeksel kunnen worden gemeten. Deze point-of-care test levert binnen enkele minuten objectieve data en kan diagnostiek die normaal dagen duurt sterk versnellen. Het compacte, draagbare apparaat stuurt meetresultaten direct naar een smartphone of mobiel device en is daardoor ook geschikt voor thuisgebruik. De technologie is vooral veelbelovend voor de geestelijke gezondheidszorg, waar vroege signalering van stress, depressie en angst cruciaal is. Door psychometrische vragenlijsten te combineren met biomedische metingen biedt de test een objectieve aanvulling op zelfrapportage, waardoor ook patiënten met beperkt ziekte-inzicht of door stigma mogelijk eerder in beeld komen.
In 2022 ontwikkelde art-onderzoeker Matthijs Kruizinga een methode die het voor kinderen makkelijker maakt om deel te nemen aan medicijnonderzoek. Door het inzetten van smartwatches in combinatie met een speekseltest kan dergelijk medisch wetenschappelijk onderzoek met kinderen eenvoudiger, prettiger en drempelverlagend uitgevoerd worden. De onderzoeker ontdekte namelijk dat peekselonderzoek in bepaalde gevallen het afnemen van bloed kan vervangen. En door het gebruik van een smartwatch hoeven kinderen tijdens de onderzoeksperiode minder vaak naar het ziekenhuis te komen.
