Die Doktorandin Marta Arbizu Gómez untersucht eine wichtige Frage: Geben Modelle des Gehirnalters (BrainAge) die spezifischen Veränderungen bei Alzheimer wieder oder erfassen sie die normale Alterung des Gehirns?
Zusammenfassung:
BrainAge ist ein Biomarker zur Schätzung des Gehirnalters, unterscheidet jedoch nicht immer zwischen normaler Alterung und Alzheimer. Studien zeigen, dass Neurobildgebung das Gehirnalter besser vorhersagt, während neuropsychologische Tests die Erkrankung wirksamer diagnostizieren. In Deutschland ermöglicht die Kombination beider Ansätze eine bessere klinische Beurteilung und kognitive Rehabilitation mit Tools wie NeuronUP.
Was ist das Gehirnalter und warum ist es bei Alzheimer von Interesse?
Das Alter ist der wichtigste Risikofaktor für die Alzheimer-Krankheit (AD), doch Alterung und Neurodegeneration sind nicht genau dasselbe. Mit zunehmendem Alter durchläuft das Gehirn natürliche strukturelle und funktionelle Veränderungen. Bei Alzheimer beschleunigen sich diese Veränderungen jedoch und betreffen wichtige Hirnregionen, die an Gedächtnis und Kognition beteiligt sind.
In den vergangenen Jahren haben Forschende Modelle des Gehirnalters (BrainAge) entwickelt: Algorithmen des maschinellen Lernens, die anhand von Neurobildgebung oder kognitiven Tests das biologische Alter des Gehirns schätzen können. Die Idee ist einfach: Wenn das Gehirn einer Person „älter“ erscheint, als es ihrem chronologischen Alter entspricht, könnte dies ein frühes Zeichen einer neurologischen Beeinträchtigung sein.
Die Differenz zwischen dem geschätzten Gehirnalter und dem tatsächlichen Alter wird als BrainAge Delta bezeichnet. Ein positiver Wert bedeutet, dass das Gehirn stärker gealtert erscheint als erwartet, während ein negativer Wert auf ein „jüngeres“ Gehirn hindeutet.
Es stellt sich jedoch eine wichtige Frage: Geben diese Modelle tatsächlich die spezifischen Veränderungen bei Alzheimer wieder oder erfassen sie lediglich die normale Alterung des Gehirns? Eine kürzlich in NeuroImage veröffentlichte und vom Labor für computergestützte Neurobildgebung des Biobizkaia-Instituts für Gesundheitsforschung geleitete Studie befasst sich genau mit dieser Frage. Sie untersucht, wie die in BrainAge-Modellen verwendeten Variablen deren Fähigkeit beeinflussen, die Alzheimer-Krankheit zu erkennen.
Melden Sie sich
für unseren
Newsletter an
Wie wurde diese Untersuchung zum Gehirnalter und zu Alzheimer durchgeführt?
Zur Beantwortung dieser Frage nutzten die Forschenden Daten der Alzheimer’s Disease Neuroimaging Initiative (ADNI), einer der international am häufigsten verwendeten Datensätze in der Demenzforschung.
Die Studie umfasste Teilnehmende aus fünf klinischen Gruppen:
- Kognitiv gesunde Personen (CN).
- Personen mit leichter kognitiver Beeinträchtigung (MCI).
- Patientinnen und Patienten mit Alzheimer-Krankheit (AD).
- Stabile MCI (sMCI).
- MCI mit Progression zu Alzheimer (pMCI).
Die Modelle wurden anhand von zwei wesentlichen Variablentypen trainiert:
Neurobildgebungsdaten
Sie wurden aus strukturellen Magnetresonanztomografien (T1) gewonnen:
- Volumen der grauen Substanz,
- Volumen der weißen Substanz,
- Volumen des Hippocampus,
- Amygdala,
- Thalamus,
- Putamen,
- Nucleus caudatus,
- Liquor, unter anderem.
Diese Messwerte bilden strukturelle Veränderungen im Gehirn ab, die sowohl mit dem Alterungsprozess als auch mit Neurodegeneration verbunden sind.
Neuropsychologische Variablen
Darüber hinaus wurden Ergebnisse kognitiver Tests einbezogen, die in der klinischen Praxis häufig eingesetzt werden:
- MMSE,
- ADAS,
- MoCA,
- FAQ,
- ADNI-Gedächtniswert,
- ADNI-Wert der exekutiven Funktionen.
Die Forschenden analysierten, welche Variablen für zwei unterschiedliche Ziele am nützlichsten waren:
- Das Gehirnalter vorhersagen.
- Zwischen verschiedenen klinischen Gruppen unterscheiden.
Anschließend trainierten sie verschiedene BrainAge-Modelle mit schrittweise kombinierten Variablen.
Zentrale Ergebnisse der Studie zum Gehirnalter und zu Alzheimer
Die Ergebnisse zeigen einen deutlichen Unterschied zwischen den verwendeten Variablentypen.
Die aus der Magnetresonanztomografie abgeleiteten Variablen – etwa das Volumen der grauen Substanz oder des Hippocampus – lieferten die meisten Informationen für die Vorhersage des Gehirnalters. Dagegen waren neuropsychologische Tests wirksamer bei der Unterscheidung zwischen gesunden Personen und Patientinnen und Patienten mit Alzheimer-Krankheit.
Dieses Muster deutet darauf hin, dass Modelle zur Schätzung des Gehirnalters normale Alterungsprozesse erfassen können, die nicht unbedingt die spezifische Alzheimer-Pathologie widerspiegeln.
Neurobildgebung: besser zur Schätzung des Alters
Die aus der Magnetresonanztomografie abgeleiteten Variablen – etwa das Volumen der grauen Substanz oder des Hippocampus – waren für die Vorhersage des Gehirnalters am aussagekräftigsten.
Dies ist plausibel, da die normale Alterung fortschreitende strukturelle Veränderungen im Gehirn verursacht.
Kognitive Tests: besser zur Erkennung der Erkrankung
Dagegen waren neuropsychologische Tests wirksamer bei der Unterscheidung zwischen gesunden Personen, leichter kognitiver Beeinträchtigung und Alzheimer.
Das bedeutet: Während Hirnbilder den Alterungsprozess gut erfassen, bildet die kognitive Leistungsfähigkeit die klinischen Unterschiede zwischen den Gruppen besser ab.
Ein wichtiges Ergebnis: Präzision versus klinischer Nutzen
Eines der interessantesten Ergebnisse der Studie ist, dass ein Spannungsfeld zwischen der Präzision der Altersvorhersage und der Fähigkeit zur Krankheitsklassifikation besteht.
Wenn die Modelle anhand von Variablen optimiert werden, die stärker mit dem Alterungsprozess zusammenhängen, sinkt der Fehler bei der Altersvorhersage. Ihre Fähigkeit, zwischen gesunden Personen und Patientinnen und Patienten mit Alzheimer zu unterscheiden, verbessert sich jedoch nicht immer. Werden dagegen Variablen mit höherer Trennschärfe priorisiert, verbessert sich die Klassifikation der klinischen Gruppen, während die Schätzung des Gehirnalters an Präzision verliert.
Dieses Ergebnis deutet darauf hin, dass altersbedingte Veränderungen und Alzheimer-bedingte Veränderungen nicht genau dieselben biologischen Prozesse sind.
Die Schlüsselrolle des Hippocampus
Unter allen analysierten Variablen erwies sich der Hippocampus als eine der relevantesten Hirnregionen.
Sein Volumen zeigte eine hohe Fähigkeit, zwischen den verschiedenen klinischen Gruppen zu unterscheiden. Dies stimmt mit früheren Erkenntnissen überein: Der Hippocampus gehört zu den ersten Strukturen, die von der Alzheimer-Pathologie betroffen sind, und seine Atrophie steht in engem Zusammenhang mit Gedächtnisdefiziten.
Sind BrainAge-Modelle zur Diagnose von Alzheimer nützlich?
Die Forschenden verglichen außerdem zwei unterschiedliche Strategien:
- Die Patientinnen und Patienten anhand des BrainAge Delta klassifizieren.
- Sie direkt anhand der Hirnvariablen klassifizieren.
Die Ergebnisse zeigten, dass die direkte Verwendung der Variablen in vielen Fällen genauso wirksam oder sogar wirksamer war als die Verwendung des BrainAge Delta.
Dies zeigt, dass BrainAge-Modelle nicht immer zusätzliche Informationen für die Diagnose liefern.
Sie bieten jedoch einen wichtigen konzeptionellen Vorteil: Sie erzeugen eine einzige kontinuierliche Kennzahl, die als Risikoindikator oder als Instrument zur Verlaufskontrolle der Erkrankung über die Zeit eingesetzt werden könnte.
Welche Bedeutung hat dies für die Alzheimerforschung?
Diese Studie liefert mehrere relevante Schlussfolgerungen für die Entwicklung künstliche-intelligenzbasierter Biomarker:
- Alterung und Erkrankung müssen getrennt betrachtet werden. Modelle, die beide Prozesse gleichzeitig erfassen sollen, können normale altersbedingte Veränderungen mit Neurodegeneration verwechseln.
- Die Auswahl der Variablen ist entscheidend. Je nach Ziel – Altersvorhersage oder Krankheitserkennung – müssen unterschiedliche Variablentypen verwendet werden.
- Modelle müssen für spezifische Aufgaben entwickelt werden. Ein Modell, das zur Schätzung des biologischen Alters optimiert wurde, ist nicht zwangsläufig das beste Modell zur Diagnose von Alzheimer.
Letztlich ist die Alterung kein bloßes „Hintergrundrauschen“ bei der Alzheimer-Krankheit, sondern ein Prozess, der aktiv mit der Pathologie interagiert.
Wie steht dieser Fortschritt mit NeuronUP in Verbindung?
Ein besseres Verständnis des Unterschieds zwischen Gehirnalterung und neurodegenerativem Abbau hat direkte Auswirkungen auf die kognitive Rehabilitation.
Auf Plattformen wie NeuronUP, die für das kognitive Training und die Stimulation exekutiver Funktionen, des Gedächtnisses oder der Aufmerksamkeit eingesetzt werden, können zuverlässige Biomarker dazu beitragen:
- Patientinnen und Patienten in frühen Krankheitsphasen zu erkennen.
- Rehabilitationsprogramme entsprechend dem kognitiven Profil zu personalisieren.
- den Verlauf der Patientinnen und Patienten über die Zeit zu überwachen.
Während Tools wie BrainAge dazu beitragen, die Erkennung und das Verständnis der Erkrankung zu verbessern, ermöglichen digitale Lösungen wie NeuronUP, die kognitive Funktionsfähigkeit und Lebensqualität der Patientinnen und Patienten zu verbessern.
Diese Studie wurde von Dr. Jesus M. Cortes geleitet, der zugleich Forschungsdirektor bei NeuronUP ist, und am Biobizkaia-Institut für Gesundheitsforschung in Zusammenarbeit mit Forschenden der Harvard Medical School, der University Carlos III of Madrid, der Vrije Universiteit Amsterdam, von Brigham & Women’s, der University of Melbourne, Ikerbasque und der Universität des Baskenlandes durchgeführt.
Testen Sie NeuronUP 7 Tage kostenlos
Probieren Sie unsere verschiedenen Übungen, erstellen Sie Sitzungen oder arbeiten Sie remote mithilfe von Online-Sitzungen
Schlussfolgerungen für Fachkräfte
BrainAge-Modelle sind ein vielversprechendes Instrument zur Untersuchung der Gehirnalterung und ihrer Beziehung zur Alzheimer-Krankheit. Diese Studie zeigt jedoch, dass der Zusammenhang zwischen Gehirnalter und Neurodegeneration komplex ist.
Strukturelle Variablen des Gehirns eignen sich besonders zur Schätzung des biologischen Alters, während kognitive Tests wirksamer zwischen verschiedenen klinischen Zuständen unterscheiden.
Daher muss die Entwicklung prädiktiver Modelle für Alzheimer berücksichtigen, welcher Prozess untersucht werden soll – Alterung oder Erkrankung – und die verwendeten Variablen sorgfältig auswählen.
In Zukunft könnte die Integration biologischer Biomarker, der Neurobildgebung sowie digitaler Instrumente zur Beurteilung und kognitiven Rehabilitation eine umfassendere und individuellere Sicht auf die Behandlung von Alzheimer ermöglichen.
Literaturverzeichnis
- Garcia Condado J, Verdugo Recuero I, Tellaetxe-Elorriaga I, Birkenbihl C, Carrigan M, Diez I, Buckley RF, Erramuzpe A, Cortes JM. Aging as an active player in Alzheimer’s disease classification: Insights from feature selection in BrainAge models. NeuroImage. 2025. doi:10.1016/j.neuroimage.2025.121548.
Häufig gestellte Fragen zum Gehirnalter (BrainAge) und zu Alzheimer
1. Was ist das BrainAge Delta und wie hilft es, eine beschleunigte Alterung zu erkennen?
Das BrainAge Delta ist die metrische Differenz zwischen dem biologischen Gehirnalter (durch KI geschätzt) und dem chronologischen Alter der Patientin oder des Patienten.
- Positiver Wert: Er weist auf ein Gehirn hin, das älter als erwartet erscheint, und ist damit ein frühes Warnzeichen für eine neurologische Beeinträchtigung.
- Negativer Wert: Er deutet auf ein „jüngeres“ Gehirn hin, was häufig mit einer besseren kognitiven Reserve verbunden ist.
In neurorehabilitativen Einrichtungen ermöglicht diese Kennzahl eine objektive Überwachung des Progressionsrisikos.
2. Reicht das Gehirnalter für die klinische Diagnose von Alzheimer aus?
Nicht allein. Laut der vom Biobizkaia-Institut für Gesundheitsforschung geleiteten Studie besteht ein „Spannungsfeld“ (trade-off) zwischen der Genauigkeit der Altersvorhersage und der Fähigkeit, die Erkrankung zu diagnostizieren.
Modelle, die das Alter am besten schätzen, sind nicht immer am wirksamsten, wenn es darum geht, zwischen einem gesunden Gehirn und einem Gehirn mit Alzheimer zu unterscheiden. Tatsächlich kann die direkte Verwendung der Hirnvariablen für die klinische Diagnose genauso wirksam oder wirksamer sein als die Berechnung des BrainAge Delta.
3. Welche Variablen unterscheiden die Alzheimer-Krankheit besser: Neurobildgebung oder kognitive Tests?
Die Studie zeigt, dass die Wahl des Instruments vom klinischen Ziel abhängt:
- Neurobildgebung (T1-Magnetresonanztomografie): Sie liefert die meisten Informationen zur Vorhersage des Gehirnalters und zur Erfassung der natürlichen Alterung.
- Neuropsychologische Tests (MMSE, MoCA, ADAS): Sie sind deutlich wirksamer, um klinisch zwischen gesunden Patientinnen und Patienten, Personen mit leichter kognitiver Beeinträchtigung (MCI) und Alzheimer zu unterscheiden.
Dies bestätigt, dass die kognitive Leistungsfähigkeit pathologische Unterschiede besser widerspiegelt als die isolierte Hirnstruktur.
4. Warum ist der Hippocampus in BrainAge-Modellen von zentraler Bedeutung?
Das Volumen des Hippocampus gehört aufgrund seiner doppelten Bedeutung zu den relevantesten Regionen:
- Es ist für die Schätzung des biologischen Alters von zentraler Bedeutung.
- Es kann klinische Gruppen gut unterscheiden, da der Hippocampus zu den ersten Strukturen gehört, die von der Atrophie bei Alzheimer betroffen sind.
Seine Analyse ist für jedes auf das Gedächtnis ausgerichtete Programm zur kognitiven Stimulation von großer Bedeutung.
6. Welche Bedeutung haben diese Erkenntnisse für die kognitive Rehabilitation?
Das Verständnis der Wechselwirkung zwischen Alterung und Pathologie ermöglicht es Fachkräften in Deutschland und Lateinamerika, individuellere Interventionen zu entwickeln. Der Einsatz digitaler Biomarker und von KI-Modellen unterstützt:
- Früherkennung: Patientinnen und Patienten erkennen, bevor die Beeinträchtigung offensichtlich wird.
- Personalisierte Programme: Die Stimulation exekutiver Funktionen und der Aufmerksamkeit auf Plattformen wie NeuronUP entsprechend dem biologischen Profil der nutzenden Person anpassen.
- Präzise Verlaufskontrolle: Die Auswirkungen der Rehabilitation auf die „Gehirngesundheit“ über die Zeit beurteilen.
7. Warum ist es wichtig, Alterung und Erkrankung bei Alzheimer zu trennen?
Weil die Vermischung beider Prozesse zu Fehlinterpretationen führen kann. Die Studie zeigt, dass BrainAge-Modelle normale Alterung erfassen können. Daher ist es entscheidend, die Variablen entsprechend dem klinischen Ziel sorgfältig auszuwählen.
Empfohlene Lektüre zur forensischen Neuropsychologie
Schreiben Sie einen Kommentar