Сканер головного мозга позволяет предсказать развитие деменции

Примерно 40 % людей с легкими когнитивными нарушениями развивают деменцию в течение трех лет после диагноза. Это быстрое прогрессирование подчеркивает важность наличия надежных инструментов для выявления пациентов с наибольшим риском. Недавнее исследование показывает, что предсказать это развитие можно с помощью волюметрического анализа мозга на основе сканирования, широко доступной и недорогой методики визуализации.

Исследователи проанализировали данные 791 пациента с легкими когнитивными нарушениями. Среди них 40 % развили деменцию в течение трех лет. Результаты показывают, что люди, у которых развилась деменция, в среднем были старше, чаще были женщинами и имели генетическую варианту, известную как увеличивающую риск болезни Альцгеймера. Их начальное когнитивное состояние, оцененное по клиническим тестам, также было более нарушено.

Анализ сканов выявил значительные различия в определенных областях мозга. У пациентов, у которых развилась деменция, наблюдалось более значительное расширение нижних боковых желудочков и пространств, заполненных спинномозговой жидкостью, в теменных и затылочных зонах. Эти изменения отражают атрофию мозга, то есть уменьшение его объема, часто связанное с прогрессированием болезни Альцгеймера.

Чтобы предсказать это развитие, ученые разработали модель на основе искусственного интеллекта. Она сочетает клинические данные, такие как возраст или результаты когнитивных тестов, с волюметрическими измерениями, полученными из сканов. Модель достигла замечательной точности, правильно выявляя пациентов с риском в почти 84 % случаев. Шесть факторов оказались особенно определяющими: возраст, генетическая варианта, уровень начального когнитивного нарушения и три специфических измерения атрофии мозга в упомянутых областях.

Использование сканеров имеет важное преимущество: эта методика уже широко применяется в клинической практике для исключения других причин когнитивных нарушений, таких как опухоли или сосудистые нарушения. Таким образом, интеграция этого волюметрического анализа не потребует дополнительных обследований, что делает этот подход как практичным, так и экономичным. В отличие от других методов, таких как МРТ или биомаркеры в спинномозговой жидкости, сканирование доступно в большинстве больниц и не требует инвазивных процедур.

Результаты показывают, что этот подход позволяет не только точно предсказывать развитие деменции, но и выявлять наиболее значимые факторы. Например, атрофия в нижних боковых желудочках, расположенных рядом с гиппокампом, является сильным индикатором повышенного риска. Гиппокамп играет ключевую роль в памяти, и его уменьшение часто наблюдается на ранних стадиях болезни Альцгеймера. Аналогично, изменения в теменных и затылочных областях, связанные с нейронными сетями, участвующими в сложных когнитивных функциях, подтверждают их важность в прогрессировании заболевания.

Эта модель может оказать значительное влияние на ведение пациентов. Выявляя тех, у кого высокий риск развития деменции в краткосрочной перспективе, врачи могли бы адаптировать наблюдение, предлагать ранние вмешательства и лучше информировать пациентов и их близких. В то же время люди с низким риском могли бы избежать ненужных обследований или слишком частых консультаций. Такая стратификация риска также могла бы повысить эффективность клинических испытаний, нацеливая участников, наиболее склонных к быстрому прогрессированию, что облегчило бы разработку новых методов лечения.

Исследование подтверждает, что сканирование, часто рассматриваемое как базовый диагностический инструмент, может стать ключевым элементом для прогнозирования. Используя уже доступные данные, этот метод предлагает доступное решение для персонализированной медицины, не увеличивая нагрузку на пациентов или системы здравоохранения.

Sources du média

Document de référence

DOI : https://doi.org/10.1038/s41598-026-45439-8

Titre : Scalable CT-based prognostic modeling of dementia conversion in mild cognitive impairment

Revue : Scientific Reports

Éditeur : Springer Science and Business Media LLC

Auteurs : Seongbeom Park; Jehyun Ahn; Duk L. Na; Hee Jin Kim; Hyemin Jang; Jun Pyo Kim; Sung Hoon Kang; Jihwan Yun; Min Young Chun; Sang Won Seo; Kichang Kwak