Eine Studie mit fast 50.000 Gehirnscans hat fünf verschiedene Muster von Hirnschwund im Zusammenhang mit Alterung und neurodegenerativen Erkrankungen aufgezeigt. Die Analyse brachte diese Muster auch mit Lebensstilfaktoren wie Rauchen und Alkoholkonsum sowie mit genetischen und Blutmarkern in Verbindung, die mit dem Gesundheitszustand und dem Krankheitsrisiko zusammenhängen.
Die Arbeit ist eine methodische Meisterleistung, die das Verständnis der Forscher über das Altern erheblich verbessern könnte. Vor dieser Studie wussten wir, dass sich die Anatomie des Gehirns bei Alterung und Krankheit verändert. Aber unsere Fähigkeit, dieses komplexe Zusammenspiel zu verstehen, war viel bescheidener.
Falten im Gehirn
Das Altern kann nicht nur zu grauen Haaren führen, sondern auch zu Veränderungen in der Anatomie des Gehirns, die in der Magnetresonanztomographie (MRT) sichtbar werden, wo bestimmte Bereiche mit der Zeit schrumpfen oder sich strukturell verändern. Diese Veränderungen sind jedoch subtil. Das menschliche Auge ist nicht in der Lage, Muster systematischer Veränderungen im Gehirn wahrzunehmen. Frühere Studien haben gezeigt, dass maschinelle Lernverfahren in der Lage sind, die subtilen Fingerabdrücke des Alterns aus MRT-Daten zu extrahieren. Diese Studien waren jedoch häufig in ihrem Umfang begrenzt und bezogen sich meist auf Daten von relativ wenigen Personen.
Um umfassendere Muster zu erkennen, begann das Team um Davatzikos mit einer Studie, deren Fertigstellung und Veröffentlichung etwa acht Jahre in Anspruch nahm. Sie verwendeten eine Deep-Learning-Methode namens Surreal-GAN, die der Erstautor Zhijian Yang während seiner Zeit als Doktorand in Davatzikos’ Labor entwickelt hatte. Die Wissenschaftler trainierten den Algorithmus mit MRT-Aufnahmen des Gehirns von 1.150 gesunden Personen im Alter zwischen 20 und 49 Jahren und 8.992 älteren Erwachsenen, von denen viele kognitive Einschränkungen aufwiesen. Auf diese Weise lernte der Algorithmus, wiederkehrende Merkmale alternder Gehirne zu erkennen, und konnte ein internes Modell der anatomischen Strukturen erstellen, die sich eher gleichzeitig als unabhängig voneinander verändern.
Die Forscher wendeten dieses Modell dann auf MRT-Scans von fast 50 000 Personen an, die an verschiedenen Studien über Alterungsprozesse und neurologische Gesundheit teilgenommen hatten. Die Analyse ergab fünf verschiedene Muster von Hirnschwund. Die Wissenschaftler brachten verschiedene Arten von altersbedingter Hirndegeneration mit Kombinationen der fünf Muster in Verbindung, wobei es einige Unterschiede zwischen Personen mit dem gleichen Zustand gab.
Zeichen des Alterns
Beispielsweise wurden bei Demenz und ihrer Vorstufe, der leichten kognitiven Beeinträchtigung, Zusammenhänge mit drei der fünf Muster festgestellt. Interessanterweise gibt es auch Hinweise darauf, dass die identifizierten Muster genutzt werden könnten, um die Wahrscheinlichkeit einer weiteren Hirndegeneration in der Zukunft zu bestimmen. Bei der Vorhersage des Übergangs von einem kognitiv normalen Zustand zu einer leichten kognitiven Beeinträchtigung war ein Muster bei weitem am aussagekräftigsten. In späteren Stadien verbessert die Hinzunahme eines zweiten [Musters] die Prognose, was sinnvoll ist, da es die Ausbreitung der Pathologie erfasst. Andere Muster wurden mit Krankheiten wie Parkinson und Alzheimer in Verbindung gebracht, und eine Kombination von drei Mustern war stark prädiktiv für die Sterblichkeit.
Es wurden eindeutige Zusammenhänge zwischen bestimmten Mustern der Hirnatrophie und verschiedenen physiologischen und umweltbedingten Faktoren, einschließlich Alkoholkonsum und Rauchen, sowie verschiedenen gesundheitsbezogenen genetischen und biochemischen Signaturen festgestellt. Diese Ergebnisse spiegeln wahrscheinlich die Auswirkungen des allgemeinen körperlichen Wohlbefindens auf die neurologische Gesundheit wider, da Schäden an anderen Organsystemen Auswirkungen auf das Gehirn haben können. Die Studie bedeutet jedoch nicht, dass sich alles auf fünf Zahlen reduzieren lässt, und die Forschung versucht, mit Datensätzen zu arbeiten, die ein breiteres Spektrum neurologischer Erkrankungen abdecken und eine größere rassische und ethnische Vielfalt aufweisen.