Een nieuw model, ontwikkeld door onderzoekers bij het Amerikaanse instituut MIT, kan helpen voorspellen of patiënten met risico op de ziekte van Alzheimer klinisch significante cognitieve achteruitgang door de ziekte zullen ervaren. Het model voorspelt hun cognitietestscores tot twee jaar vooruit.
Het model kan volgens MIT worden gebruikt om de selectie van kandidaat-geneesmiddelen tegen Alzheimer en deelnemende cohorten voor klinische proeven te verbeteren, waar tot nu toe geen succes mee is geboekt. Het kan patiënten ook laten weten dat ze de komende maanden en jaren een snelle cognitieve achteruitgang kunnen ervaren, zodat zij en hun dierbaren zich kunnen voorbereiden.
Onderzoek Alzheimer weinig succes
Farmaceutische bedrijven hebben de afgelopen twee decennia zonder veel succes honderden miljarden dollars geïnjecteerd in onderzoek naar Alzheimer. Tussen 1998 en 2017 waren er 146 mislukte pogingen om medicijnen te ontwikkelen om de ziekte te behandelen of te voorkomen. In die tijd werden slechts vier nieuwe geneesmiddelen goedgekeurd, alleen om symptomen te behandelen. Meer dan 90 kandidaat-geneesmiddelen zijn momenteel in ontwikkeling.
Studies suggereren dat een groter succes bij het op de markt brengen van medicijnen mogelijk is door het werven van kandidaten die zich in de vroege stadia van de ziekte bevinden - voordat de symptomen duidelijk zijn. Dat is wanneer de behandeling het meest effectief is. Onderzoekers van het MIT Media Lab hebben hiertoe een machine-learningmodel ontwikkeld dat clinici kan helpen bij het bepalen van dit specifieke cohort van testdeelnemers.
Ze hebben eerst een 'populatiemodel' getraind op een dataset met klinisch significante cognitieve testscores en andere biometrische gegevens, van patiënten van Alzheimer én gezonde individuen. Het model leerde zo patronen herkennen die helpen voorspellen hoe de patiënten zullen scoren op cognitieve tests die tussen doktersbezoeken worden afgenomen. Bij nieuwe deelnemers wordt een tweede, gepersonaliseerd model gebruikt dat continu scores voorspelt op basis van nieuw geregistreerde gegevens, zoals informatie verzameld tijdens de meest recente doktersbezoeken.
Nauwkeurige voorspellingen
Experimenten tonen dat nauwkeurige voorspellingen kunnen worden gedaan zes, 12, 18 en 24 maanden vooruit. Artsen kunnen het model dus gebruiken om risicodeelnemers te selecteren voor klinische proeven: mensen die waarschijnlijk een snelle cognitieve achteruitgang vertonen, mogelijk zelfs voordat andere klinische symptomen opduiken. Door dergelijke patiënten in een vroeg stadium te behandelen, kunnen clinici beter volgen welke geneesmiddelen tegen dementie wel en niet werken.
"Nauwkeurige voorspelling van cognitieve achteruitgang van zes tot 24 maanden is van cruciaal belang voor het ontwerpen van klinische onderzoeken," zegt Oggi Rudovic, een onderzoeker van Media Lab. “In staat zijn om toekomstige cognitieve veranderingen nauwkeurig te voorspellen, kan het aantal doktersbezoeken van deelnemers beperken en daarmee kosten en tijd. Naast het helpen ontwikkelen van een nuttig medicijn, is het doel om te helpen de kosten van klinische proeven te verlagen om ze betaalbaarder en op grotere schaal te maken. "
Voor hun werk hebben de onderzoekers gebruik gemaakt van 's werelds grootste klinische gegevensset voor de ziekte van Alzheimer, genaamd Alzheimer's Neuroimaging Initiative (ADNI). De dataset bevat gegevens van ongeveer 1.700 deelnemers, met en zonder Alzheimer, vastgelegd tijdens halfjaarlijkse doktersbezoeken gedurende meer dan 10 jaar.
Klinische proeven in praktijk
De komende tijd hopen de onderzoekers samen te werken met farmaceutische bedrijven om het model in de klinische proeven van Alzheimer in de praktijk te implementeren. Rudovic stelt dat het model ook kan worden gegeneraliseerd om verschillende statistieken voor Alzheimer en andere ziekten te voorspellen.
