4 cognitieve fenotypen gevonden bij MS-patiënten

Hoewel veel MS-patiënten last hebben van stoornissen op verschillende cognitieve domeinen, is nog weinig bekend over welke cognitieve stoornissen precies. In een retrospectieve multicenterstudie gebruikten onderzoekers van onder meer het Amsterdam UMC cognitieve scores van ruim 1.000 MS-patiënten en een machinelearningmodel om de patiënten in te delen in groepen. Zij vonden zo 4 cognitieve fenotypen. 

Veel klinische en MRI-studies naar cognitieve stoornissen richten zich op afwijkingen in verwerkingssnelheid en kijken niet naar veranderingen op andere cognitieve domeinen. Meer inzicht in deze veranderingen kan helpen bij gepersonaliseerde behandeling van MS-patiënten.

In een retrospectieve multicenterstudie gebruikten onderzoekers gegevens van 1.089 patiënten met clinically isolated syndrome (CIS) of MS. Cognitieve scores waren verkregen met een MACFIMS-testbatterij of een BRB-N in combinatie met een Strooptest. De onderzoekers corrigeerden deze scores voor leeftijd, geslacht en opleidingsniveau op basis van normwaarden per land. Vervolgens gebruikten ze een machinelearningmodel op basis van K-means-clustering om groepen patiënten met vergelijkbare cognitieve kenmerken van elkaar te onderscheiden. 

In deze patiëntengroep had 40% milde cognitieve problemen en 22% ernstige. De cognitieve domeinen met de hoogste percentages aangedane patiënten, met scores > 1,5 SD beneden de normscore, waren visuele verwerkingssnelheid en werkgeheugen (27%), en auditieve verwerkingssnelheid en werkgeheugen (25%). 

Er kwamen 4 cognitieve fenotypen naar voren, die varieerden in aantal en type van aangedane cognitieve domeinen. Dit waren: 1) geen cognitieve afwijkingen, 2) milde afwijkingen in visuospatieel geheugen, 3) milde afwijkingen in verbaal geheugen, verwerkingssnelheid en executief functioneren en 4) ernstige afwijkingen op meerdere domeinen. Uit nadere analyse van gegevens van rond de 500 patiënten bleek dat de cognitieve fenotypen 3 en 4 correleerden met hogere EDSS-scores en meer cognitieve afwijkingen bij een follow-upmeting gemiddeld 2 jaar later.

Bron: 

Colato E, van Dam M, Pontillo G, et al. Identifying cognitive phenotypes in multiple sclerosis using machine learning models: a multicentre study. ECTRIMS 2023, abstract O038/1711.