Vroegtijdige diagnose is een cruciale stap in het vertragen van dementie en het verbeteren van kwaliteit van leven. Onderzoekers van de Örebro Universiteit presenteren nu twee innovatieve AI-modellen die op basis van hersenactiviteit snel en nauwkeurig onderscheid kunnen maken tussen gezonde personen en patiënten met dementie, waaronder de ziekte van Alzheimer. Het gaat om technologie die hersensignalen (EEG) analyseert en patronen herkent die voor artsen vaak moeilijk te detecteren zijn.
“Een vroege diagnose maakt het mogelijk om proactief te handelen, ziekteprogressie af te remmen en patiënten langer zelfredzaam te houden,” aldus Muhammad Hanif, onderzoeker en universitair docent informatica aan Örebro University.
AI die hersenactiviteit leest en interpreteert
In de eerste studie, gepubliceerd in Frontiers in Medicine, ontwikkelden onderzoekers een deep-learning framework dat gebruikmaakt van Temporal Convolutional Networks (TCN) en Long Short-Term Memory-netwerken (LSTM). Dit model leest EEG-signalen uit en classificeert met hoge precisie of een persoon gezond is, Alzheimer heeft of frontotemporale dementie. De methode behaalde daarbij een nauwkeurigheid van ruim 80%, een score die in traditionele screenings vaak moeilijk haalbaar is.
Opvallend is dat de onderzoekers bewust kozen voor explainable AI. Dat betekent dat het systeem inzichtelijk maakt welke delen van het EEG-signaal hebben geleid tot een diagnose. Dit verhoogt de transparantie en maakt het AI-proces toegankelijk voor artsen en neurologen, geen ondoorzichtige "black box", maar een uitlegbaar beslismodel.
In een tweede publicatie, eveneens verschenen in Frontiers in Computational Neuroscience, ontwikkelde het team een compact AI-model van minder dan één megabyte. Dit model werkt met federated learning: zorginstellingen kunnen het systeem gezamenlijk trainen zonder patiëntdata met elkaar te delen. De data blijft lokaal, terwijl de AI leert van elk aangesloten ziekenhuis. Ondanks dataminnimalisatie behaalt deze benadering een indrukwekkende 97% nauwkeurigheid.
Van kliniek naar huiskamer
De onderzoekers zien veel potentie voor de praktijk. EEG-metingen zijn goedkoop, breed inzetbaar en ook geschikt buiten gespecialiseerde centra. Door de compacte AI-modellen kunnen ze zelfs draaien op mobiele of draagbare apparaten. Dit kan leiden tot nieuwe toepassingen: snellere diagnostiek in de eerste lijn, screening in verzorgingshuizen en op termijn zelfs thuistests voor risicogroepen.
“Wanneer deze technologie doorontwikkelt en grootschalig wordt toegepast, ontlast het patiënten, zorgprofessionals én mantelzorgers,” zegt Hanif. De vervolgstap? Grotere datasets, meer diversiteit in type dementie (zoals vasculaire dementie of Lewy body dementie), en voortzetting van explainable en privacy-bewuste AI-modellen.
Vroegere dementiediagnostiek dankzij AI
Een toekomst waarin dementiediagnostiek sneller, goedkoper en toegankelijker wordt, komt daarmee aanzienlijk dichterbij. Zo schreven wij enkele maanden geleden over een AI-tool, ontwikkeld door onderzoekers van de Mayo Clinic die dementiediagnostiek aanzienlijk kan verbeteren. De technologie onderscheidt negen vormen van dementie op basis van één standaard FDG-PET-hersenscan, wat vroege en nauwkeurige diagnostiek ondersteunt, ook in omgevingen met beperkte neurologische expertise. Uit onderzoek, gepubliceerd in Neurology, blijkt dat StateViewer in bijna negen van de tien (88%) gevallen de juiste diagnose stelde. De tool analyseert scans bijna twee keer zo snel en tot drie keer nauwkeuriger dan traditionele methoden.
StateViewer vergelijkt hersenscans met een database van ruim 3.600 referentiebeelden en herkent subtiele patronen die kenmerkend zijn voor ziekten als Alzheimer, Lewy-body- en frontotemporale dementie. De resultaten worden weergegeven op kleurgecodeerde hersenkaarten, waardoor de inzichten ook voor niet-specialisten begrijpelijk zijn en inzet in eerstelijnszorg wordt vergemakkelijkt.
