KI-Studie: Bei Parkinson existieren zwei distinkte Progressionstypen
Dienstag, 14. November 2023

Berlin – Bei der Parkinson-Krankheit existieren offenbar zwei unterschiedliche Progressionstypen – ein schnell-progredienter und ein langsam-progredienter Typ. Das zeigt eine auf Künstlicher Intelligenz (KI) basierende Studie der TU Dresden, deren Ergebnisse beim 96. Kongress der Deutschen Gesellschaft für Neurologie in Berlin vorgestellt wurden (Abstract 689).

Die Parkinson-Krankheit schreitet bei verschiedenen Patienten unterschiedlich fort. Diese Heterogenität im Krankheitsverlauf erschwert nicht nur die Behandlung der Patienten. Sie führt auch dazu, dass in Studien zu neuen, potenziell neuroprotektiven Medikamenten mehr Patienten eingeschlossen werden müssen. Darüber hinaus könnte es sein, dass verschiedenen Parkinson-Progressionstypen unterschiedliche Therapieansätze erfordern.

In ihrer KI-gestützten Studie suchten die Forschenden um Tom Hähnel von der Klinik und Poliklinik für Neu­rologie an der Technischen Universität Dresden auf Basis longitudinaler Daten von Parkinson-Patienten nach Möglichkeiten, verschiedene Parkinson-Progressionstypen zu identifizieren.

KI-gestützte Analyse von drei großen Parkinson-Kohorten

Die analysierten Daten stammen aus drei großen Parkinson-Kohorten (PPMI, ICEBERG, LuxPARK). Die Patienten wurden auf einer einheitlichen Zeitskala der Krankheitsprogression synchronisiert. Anschließend konnten mittels KI zwei Progressionstypen identifiziert werden. Das KI-Modell wurde in der PPMI-Kohorte trainiert worden und dann auf die beiden anderen Kohorten angewendet, um die Ergebnisse zu validieren.
Tatsächlich ließ sich in jeder der drei Kohorten jeweils ein schnell-progredienter und ein langsam-progre­dienter Progressionstyp identifizieren. Die beiden Typen unterschieden sich bezüglich motorischer und nicht-motorischer Symptome, Überleben, Ansprechen auf dopaminerge Medikation, DaTSCAN-Bildgebung und digitaler Biomarkern der Gangbeurteilung.

Hähnel und seine Kollegen berichten, dass die Progressionstypen anhand von Baselinedaten der Patienten mit einer ROC-AUC von 0,79 vorhergesagt werden konnten. Die Fläche unter der ROC-Kurve ist ein Maß für die Güte eines Tests. Die Fläche kann Werte zwischen 0,5 und 1 annehmen, wobei ein höherer Wert eine bessere Güte anzeigt.

Klinische Studien bräuchten signifikant weniger Teilnehmende

In weiteren Simulationen konnte die Forschungsgruppe zeigen, dass sich die erforderliche Kohortengröße klinischer Studien um etwa 43 % verringern ließe, wenn der Anteil schnell progredienter Patienten erhöht würde.

„Die entwickelten prädiktiven Modelle werden in Zukunft klinische Studien mit geringerer Probandenzahl ermöglichen, indem vermehrt schnell-progrediente Patienten in diesen Studien eingeschlossen werden können“, erläutern sie.

Die Ergebnisse der KI-gestützten Studie deuten Hähnel und Kollegen zufolge darauf hin, dass sich die Heterogenität der Parkinson-Krankheit durch zwei verschiedene Parkinson-Progressionstypen erklären lässt. Beide Subtypen hätten über drei große Parkinson-Kohorten hinweg konsistente Progressionsmuster gezeigt.

©️ nec/aerzteblatt.de