| Strukturelle Netzwerke basierend auf Kovarianz in der grauen Substanz sind vielversprechende neue Biomarker, die unser Verständnis für die Alzheimer Krankheit vertiefen können. Die Erforschung dieser Netzwerke könnte unseren Wissenstand über die Alzheimerkrankheit weiter vertiefen, als durch einen Blick auf abgegrenzte Gehirnareale möglich wäre. In dieser Studie wollen wir (1) strukturelle Netzwerke finden, die zwischen Alzheimer PatientInnen und gesunden Kontrollen unterscheiden können, (2) diese Netzwerke mit bereits etablierten klinischen Biomarkern vergleichen (Gehirnvolumen, Hippocampus Volumen, Atrophiescore im medialen Temporallappen) und (3) herausfinden ob diese Netzwerke mit kognitiven Fähigkeiten zusammenhängen, bzw. die Veränderung der kognitiven Fähigkeiten vorhersagen können.
Für die Unterscheidung haben wir einen Random Forest Algorithmus verwendet, anhand dessen wir an einer Stichprobe von 104 Alzheimer Patient*innen und 104 alters- und geschlechts-gematchten gesunden Kontrollen 20 strukturelle Kovarianznetzwerke untersucht haben. Anhand hoher Unterscheidungsfähigkeit erkannte Kovarianznetzwerke wurden anhand eines erweiterten Random Forest Models mit oben genannten etablierten klinischen Biomarkern verglichen. Alle Modelle wurden danach an einer unabhängigen Kohorte mit 28 Alzheimer Patient*innen und 28 alters- und geschlechts-gematchten gesunden Kontrollen getestet. Zusammenhang des Atrophiescores mit kognitiven Fähigkeiten, bzw. deren Veränderung, wurde anhand multipler linearer Regression getestet.
Zwei der 20 strukturellen Netzwerke haben signifikant zur Unterscheidung zwischen Alzheimer PatientInnen und gesunden Kontrollen beigetragen (ein temporales Netzwerk sowie ein sekundäres somatosensorisches Netzwerk). Gemeinsam konnten die beiden Netzwerke 81% der Fälle richtig zuordnen. In der Kontroll-kohorte wurden die Fälle in 86% der Fälle korrekt zugeordnet. Verglichen mit den etablierten Markern (Gehirnvolumen, Hippocampus Volumen, Atrophiescore im medialen Temporallappen), zeigten die beiden Netzwerke allerdings geringere Präzision bei der Zuteilung. Im gemeinsamen Model konnten die beiden Netzwerke die Präzision der etablierten Marker nicht verbessern. Das temporale Netzwerk korrelierte positiv mit verbaler Gedächtnisleistung, wurde jedoch insignifikant, wenn für Alter, Geschlecht und schulische Ausbildung kontrolliert wurde.
Zusammenfassend lässt sich sagen, dass strukturelle Netzwerke zwar Potential für die Unterscheidung aufweisen, dieses jedoch nicht über das bereits etablierter Marker hinausreicht.
|
