Verborgene Muster der Hirnaktivität weisen Jahre vor dem Auftreten von Symptomen auf ein Alzheimer-Risiko hin
Forscher der Stanford University haben Muster der Hirnaktivität entdeckt, die Alzheimer und kognitive Resilienz bis zu 12 Jahre im Voraus vorhersagen können – und dabei Amyloid- und Tau-Marker übertreffen.
Zusammenfassung
Forschende von Stanford Medicine haben Muster der Hirnaktivität identifiziert, die möglicherweise Jahre vor dem Auftreten von Gedächtnisproblemen oder Amyloid-Plaques auf ein Alzheimer-Risiko hindeuten. Das Team verglich Erwachsene ab 75 Jahren mit Alzheimer mit „Super-Agern“, deren Gedächtnis dem von Menschen entspricht, die Jahrzehnte jünger sind. Aus diesen Unterschieden entwickelten die Forschenden ein Bewertungssystem und wendeten es auf kognitiv gesunde Erwachsene im Alter von 55 bis 70 Jahren an. Personen, deren Hirnaktivität stärker der Alzheimer-Gruppe ähnelte, wiesen im Beobachtungszeitraum von bis zu 12 Jahren häufiger einen kognitiven Abbau auf, bildeten häufiger Amyloid-beta und erhielten häufiger eine Diagnose. Personen, deren Hirnaktivität eher den Super-Agern glich, blieben tendenziell geistig fit. Der Score sagte den kognitiven Abbau besser voraus als demografische Faktoren, genetisches Risiko sowie Amyloid- oder Tau-Biomarker. Da sich die Hirnaktivität möglicherweise beeinflussen lässt, bringen die Forschenden kognitives Training oder transkranielle Magnetstimulation ins Gespräch – wobei bisher keines von beiden zur Vorbeugung des kognitiven Abbaus getestet wurde.
Detaillierte Zusammenfassung
Die Alzheimer-Krankheit beginnt schleichend, Jahre bevor Gedächtnisverlust auftritt. Die bekanntesten Biomarker, Amyloid-beta und Tau, werden jedoch tendenziell erst in relativ späten Stadien nachweisbar. Frühere Warnzeichen könnten ein längeres Zeitfenster für Interventionen eröffnen. Deshalb ist eine neue Studie von Stanford Medicine für alle relevant, die an langfristige Gehirngesundheit denken.
Die Studie, die am 4. November in Science Advances veröffentlicht wurde, untersuchte die Gehirnaktivität bei Erwachsenen ab 75 Jahren an den gegensätzlichen Enden des kognitiven Alterns. Eine Gruppe litt an der Alzheimer-Krankheit. Die andere bestand aus sogenannten Super-Agern, deren Gedächtnis dem von Menschen ähnelt, die Jahrzehnte jünger sind. Anhand der Unterschiede zwischen diesen Gruppen entwickelte das Team ein Bewertungssystem dafür, wie verschiedene Hirnregionen miteinander kommunizieren, und wandte es dann auf kognitiv gesunde Erwachsene im Alter von 55 bis 70 Jahren an.
Die Ergebnisse zeigten einen starken Zusammenhang mit späteren Verläufen. Personen, deren Aktivitätsmuster denen von Alzheimer-Patienten stärker ähnelten, erlebten mit größerer Wahrscheinlichkeit einen kognitiven Abbau, entwickelten Amyloid-beta-Plaques und wurden während einer Nachbeobachtung von bis zu 12 Jahren diagnostiziert. Personen, deren Muster denen der Super-Ager glichen, behielten ihre kognitiven Fähigkeiten mit größerer Wahrscheinlichkeit und blieben von diesen Ergebnissen verschont. Bemerkenswert: Der Score sagte den künftigen Abbau besser voraus als demografische Faktoren, genetisches Risiko sowie Amyloid-beta- und Tau-Biomarker.
Die Forschenden vermuten, dass Aktivitätsmuster im Gegensatz zu festen Markern veränderbar sein könnten. Der leitende Autor Yu Zhang stellt sich vor, kognitives Training oder transkranielle Magnetstimulation (TMS), die mithilfe von Magnetimpulsen die Gehirnaktivität beeinflusst, einzusetzen, um das Gehirn in Richtung widerstandsfähiger Muster zu lenken. TMS hat bereits gezeigt, dass sie die Gehirnaktivität bei Menschen verändern kann, die wegen Depressionen behandelt werden.
Es gibt wichtige Einschränkungen. Weder kognitives Training noch TMS wurden bisher zur Vorbeugung eines kognitiven Abbaus getestet, und es ist noch nicht bekannt, ob eine Veränderung dieser Aktivitätsmuster das Erkrankungsrisiko tatsächlich beeinflussen würde. Der Bewertungsansatz muss zudem in größeren, vielfältigeren Gruppen validiert werden, bevor er in Kliniken eingesetzt werden könnte. Vorerst handelt es sich um eine Erkenntnis zur Früherkennung und zu den zugrunde liegenden Mechanismen und nicht um eine Behandlung. Sie weist jedoch auf einen potenziell früheren und besser umsetzbaren Weg hin, Risiken zu erkennen.
Wichtigste Erkenntnisse
- Brain activity patterns predicted Alzheimer's risk in healthy adults aged 55–70, with follow-up of up to 12 years.
- The score outperformed demographics, genetic risk, and amyloid-beta and tau biomarkers in predicting cognitive decline.
- Patterns resembling Alzheimer's patients linked to decline, amyloid buildup and diagnosis; super ager-like patterns linked to preserved cognition.
- The model was built by contrasting adults 75+ with Alzheimer's against super agers with exceptional memory.
- Cognitive training and TMS are proposed ways to shift activity, but neither is tested for preventing decline.
Methodik
Dies ist ein Nachrichtenbericht, der eine in Science Advances veröffentlichte, von Experten begutachtete Studie zusammenfasst und von Stanford Medicine herausgegeben wurde. In der Studie wurde die Gehirnaktivität von Alzheimer-Patienten und Superagern verglichen, um einen Vorhersagescore zu entwickeln. Dieser wurde anschließend bei gesunden Erwachsenen mittleren und höheren Alters mit langfristiger Nachbeobachtung getestet. Der Artikel ist eine institutionelle Pressezusammenfassung, daher fehlen Angaben zur Bildgebungsmethode und zur Stichprobengröße.
Studienlimitierungen
Die Pressemitteilung nennt weder Stichprobengrößen noch das bildgebende Verfahren oder Genauigkeitsstatistiken; diese Angaben sollten daher in der Originalarbeit in Science Advances nachgelesen werden. Die Vorhersage beruht auf einem Zusammenhang (Korrelation), und es ist nicht bekannt, ob eine Veränderung der Gehirnaktivität das Alzheimer-Risiko senken würde. Ob sich die Ergebnisse auf diverse Bevölkerungsgruppen übertragen lassen und ob das Verfahren reif für den klinischen Einsatz ist, ist weiterhin nicht belegt.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben:
