Betrouwbare diagnose van de ziekte van Alzheimer is belangrijk om meer zekerheid te geven over de prognose van patiënten. Alzheimer kon lange tijd moeilijk gediagnosticeerd worden zonder de breinen van patiënten post mortem te onderzoeken. In recente jaren zijn er technieken beschikbaar gekomen om veel te weten te komen over het functioneren van het brein tijdens het leven. Dit zet de deur open om deze technieken te gebruiken voor de diagnose van Alzheimer en andere vormen van dementie. Een belangrijke techniek hiervoor is magnetic resonance imaging (MRI).
Met MRI kunnen gedetailleerde gegevens worden verzameld over de structuren, connecties en functies van het brein. Met structurele MRI kan met name gekeken worden naar atrofie van grijze stof in het brein, bijvoorbeeld door sterfte van neuronen in de hippocampus. Diffusie MRI geeft informatie over de wittestofbanen, die op hun beurt de connecties vormen tussen verschillende hersengebieden. Met functionele MRI kan in kaart worden gebracht welke hersendelen geassocieerd zijn met bepaalde taken, of welke hersengebieden geneigd zijn om gelijktijdig activiteit te tonen. Deze typen MRI leveren tezamen een enorme bron aan gegevens op.
Machine learning
Traditionele analysemethoden zijn niet toegespitst om de veelheid aan gegevens die met MRI verzameld kunnen worden optimaal te benutten. Met machine learning kunnen we computers gebruiken om patronen te zoeken in een grote brei aan data. We doen dit door de computer veel voorbeelden te laten zien van patiënten en van normale ouderen. Op basis van nieuwe gegevens van een onbekend persoon kan de computer bepalen of de persoon waarschijnlijk een patiënt is of niet. Doordat machine learning-modellen in staat zijn om met grote hoeveelheden data om te gaan, kunnen we de verschillende soorten MRI-gegevens combineren.
Automatische diagnose van Alzheimer
We hebben deze machine learning-technieken gebruikt om een automatische diagnose te stellen bij alzheimerpatiënten en controles op basis van hun MRI-gegevens. Hiermee bleken de patiënten goed van normale ouderen te kunnen worden onderscheiden. De mate van celsterfte in de grijze stof is het meest informatief voor de alzheimerdiagnose. Tevens bevonden we dat toevoeging van diffusie MRI en functionele MRI voor een substantiële verbetering zorgen van het voorspellingsmodel.
Toepassingen voor vroegdiagnose
Het ontwikkelen van methoden waarmee diagnoses vroegtijdig voorspeld kunnen worden, zijn essentieel voor de ontwikkeling van behandelingen voor dementie. We hebben daarom de goed presterende technieken voor automatische alzheimerdiagnose toegepast bij ouderen die geen of weinig cognitieve klachten hadden, om een voorspelling te doen over toekomstige klachten. Helaas bleken deze maten niet voorspellend te zijn voor toekomstige achteruitgang in cognitie.
Deep learning
In toekomstig onderzoek gaan we gebruikmaken van deep learning om de diagnose van de ziekte van Alzheimer en andere vormen van dementie verder te verbeteren en te automatiseren. Deep learning-modellen zijn erg succesvol gebleken bij het herkennen van plaatjes. Daarnaast kunnen deep learning-modellen een groot deel van de voorbewerkingen – nodig bij ruwe MRI – automatiseren, waardoor de snelheid, foutgevoeligheid en arbeidsintensiviteit verbeterd kunnen worden.
De Promotie
Tijn Schouten promoveerde op 18 september jl. aan de Universiteit Leiden op het proefschrift getiteld: ‘Classification of dementia and early cognitive decline using Magnetic Resonance Imaging’. Als promotoren traden op prof. dr. S.A.R.B. Rombouts en prof. dr. M.J. de Rooij. Copromotor was dr. J. van der Grond.