Tiefere Einblicke in die Geschwindigkeit von Parkinson
Bei der Parkinson-Krankheit unterscheiden Forschende zunehmend zwischen zwei Fortschrittstypen: einem schnell fortschreitenden und einem langsam fortschreitenden Typ. Diese Erkenntnis basiert auch auf einer Studie, die mit Unterstützung von Künstlicher Intelligenz (KI) an der Technischen Universität Dresden durchgeführt und auf dem 96. Kongress der Deutschen Gesellschaft für Neurologie in Berlin (Link) vorgestellt wurde. Solche Unterschiede im Fortschritt der Krankheit können die Behandlung komplizieren und erfordern unterschiedliche Therapieansätze für verschiedene Patientengruppen. Die Studienergebnisse sind hier auch im Detail nachzulesen (Seite 189 / Abstract 689).
KI in der Parkinson Forschung
Die Studie nutzte longitudinale Daten von Parkinson-Patienten, um die verschiedenen Parkinson Progressionstypen zu identifizieren. Diese Daten stammten aus drei großen Parkinson Kohorten: PPMI, ICEBERG und LuxPARK. Durch die Synchronisierung der Patientendaten auf einer einheitlichen Zeitskala der Krankheitsprogression und den Einsatz von KI-Technologien gelang es, in allen 3 Parkinson Kohorten zwei unterschiedliche Progressionstypen zu erkennen. Dieses KI-Modell, das zuerst in der PPMI Kohorte trainiert und dann auf die anderen Kohorten angewendet wurde, zeigte Unterschiede in motorischen und nicht-motorischen Symptomen, Überlebensraten, Ansprechen auf Medikation, DaTSCAN-Bildgebung und digitalen Biomarkern der Gangbeurteilung zwischen den beiden Progressionstypen.
Optimierung der Parkinson-Forschung
Die Forschungsergebnisse haben weitreichende Implikationen für klinische Studien, indem sie zeigen, dass eine Anpassung der Studienpopulation an schnell fortschreitende Patiententypen die benötigte Größe der Studiengruppe signifikant reduzieren könnte. Das bedeutet, dass prädiktive Modelle in Zukunft klinische Studien mit weniger Teilnehmenden ermöglichen könnten, indem sie gezielt schnell fortschreitende Patienten einschließen. Simulationen zeigten, dass die Erhöhung des Anteils schnell progredienter Patienten auf Grundlage der prädiktiven Modelle die erforderliche Kohortengröße klinischer Studien um etwa 43 % verringern kann
Beschleunigung der Parkinson Forschung durch globale Datenspenden
Diese Fortschritte in der Parkinson Forschung unterstreichen die Bedeutung von Datenbanken wie die der kill parkinson Initiative. Durch die Sammlung und Datenspende von anonymisierten Gesundheitsdaten von Parkinson-Patienten weltweit können Forschende auf eine wesentlich breitere Datenbasis zugreifen. Die Integration dieser Daten in KI-gestützte Analyse-Tools kann die Grundlagenforschung zur Parkinson-Krankheit erheblich beschleunigen. Der Zugang zu solchen umfangreichen Daten und die Anwendung fortschrittlicher Analysemethoden und KI bieten die Möglichkeit, ein tieferes Verständnis der Krankheit zu erlangen und letztlich zu effektiveren Behandlungsstrategien und idealerweise eines Tages zum Sieg über Parkinson zu führen.
Autoren und Quellen
Tom Hähnel, Tamara Raschka, Björn Falkenburger, Holger Fröhlich
Technische Universität Dresden, Klinik und Poliklinik für Neurologie, Dresden, Deutschland; Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen (SCAI), Bioinformatik, Sankt Augustin, Deutschland; Universität Bonn, Bonn-Aachen International Center for IT, Bonn, Deutschland; Deutsches Zentrum für Neurodegenerative Erkrankungen (DZNE), Dresden, Deutschland
Schreibe einen Kommentar