Nye publikationer
Første test af sin art kan forudsige demens ni år før diagnosen
Sidst revideret: 02.07.2025

Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.
Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.
Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.

Forskere ved Queen Mary University i London har udviklet en ny metode til at forudsige demens med over 80 % nøjagtighed og op til ni år før diagnosen stilles. Denne nye metode giver en mere præcis forudsigelse af demens end hukommelsestest eller hjernesvindmålinger, som er to almindeligt anvendte metoder til at diagnosticere demens.
Et team ledet af professor Charles Marshall udviklede en prædiktiv test ved at analysere funktionelle MRI-scanninger (fMRI) for at detektere ændringer i hjernens standardtilstandsnetværk (DMN). DMN forbinder områder af hjernen for at udføre bestemte kognitive funktioner og er det første neurale netværk, der er påvirket af Alzheimers sygdom.
Forskerne brugte fMRI-scanninger af mere end 1.100 frivillige fra UK Biobank, en stor biomedicinsk database og forskningsressource, der indeholder genetisk og medicinsk information fra en halv million deltagere i Storbritannien, til at vurdere den effektive forbindelse mellem de ti hjerneområder, der udgør standardtilstandsnetværket.
Forskerne tildelte hver patient en demenssandsynlighedsscore baseret på i hvilken grad deres effektive konnektivitetsmønster matchede enten det demensindikerende mønster eller det kontrollerede mønster.
De sammenlignede disse forudsigelser med hver patients medicinske data, der var lagret i UK Biobank. Resultaterne viste, at modellen nøjagtigt forudsagde demensudbrud op til ni år før den officielle diagnose med over 80 % nøjagtighed. I tilfælde, hvor frivillige efterfølgende udviklede demens, var modellen også i stand til at forudsige, inden for to år, hvor lang tid det ville tage at få en diagnose.
Forskerne undersøgte også, om ændringer i DMN kunne være forårsaget af kendte risikofaktorer for demens. Deres analyse viste, at den genetiske risiko for Alzheimers sygdom var stærkt forbundet med ændringer i konnektivitet i DMN, hvilket understøtter ideen om, at disse ændringer er specifikke for Alzheimers sygdom. De fandt også, at social isolation sandsynligvis øger risikoen for demens gennem dens effekt på konnektivitet i DMN.
Professor Charles Marshall, der ledede forskerholdet ved Center for Preventive Neuroscience, Wolfson Institute of Population Health, Queen Mary University, udtalte: "At forudsige, hvem der vil lide af demens i fremtiden, vil være afgørende for at udvikle behandlinger, der kan forhindre det uoprettelige tab af hjerneceller, der forårsager symptomerne på demens. Selvom vi bliver bedre til at identificere proteiner i hjernen, der kan forårsage Alzheimers, lever mange mennesker i årtier med disse proteiner i hjernen uden at udvikle symptomer på demens."
"Vi håber, at den hjernefunktionsmåling, vi har udviklet, vil give os mulighed for at være meget mere præcise omkring, om og hvornår nogen rent faktisk vil udvikle demens, så vi kan afgøre, om de kan have gavn af fremtidige behandlinger."
Samuel Ereira, hovedforfatter og postdoc ved Wolfson Institute for Population Healths Center for Preventive Neuroscience, tilføjede: "Ved at bruge disse analysemetoder med store datasæt kan vi identificere dem, der har høj risiko for demens, og også finde ud af, hvilke miljøfaktorer der har skubbet disse personer ud i en høj risiko."
"Der er et enormt potentiale for at anvende disse metoder på forskellige neurale netværk og populationer for bedre at forstå forholdet mellem miljø, neurobiologi og sygdom, både ved demens og potentielt andre neurodegenerative sygdomme. fMRI er en ikke-invasiv medicinsk billeddannelsesteknik, og det tager cirka seks minutter at indsamle de nødvendige data på en MR-scanner, så den kan integreres i eksisterende diagnostiske veje, især hvor MR allerede anvendes."
Hojat Azadbakht, administrerende direktør for AINOSTICS (en AI-virksomhed, der samarbejder med førende forskningsgrupper om at udvikle hjernebilleddannelsesteknikker til tidlig diagnose af neurologiske lidelser), kommenterede: "Den udviklede tilgang har potentiale til at udfylde et enormt klinisk hul ved at levere en ikke-invasiv biomarkør for demens. I en undersøgelse offentliggjort af et team fra Queen Mary University var de i stand til at identificere personer, der senere udviklede Alzheimers sygdom op til ni år før de fik en klinisk diagnose. Det er i denne præsymptomatiske fase, at nye sygdomsmodificerende teknikker kan give patienterne den største fordel."