Augenscans erkennen Anzeichen von Parkinson bis zu 7 Jahre vor der Diagnose

 (moorfields.nhs.uk)
2 Punkte von GN⁺ 2023-08-24 | 1 Kommentare | Auf WhatsApp teilen
  • Ein Forschungsteam des Moorfields Eye Hospital und des UCL Institute of Ophthalmology identifizierte in Netzhautbildern Marker, die mit Parkinson in Zusammenhang stehen und sich im Durchschnitt bereits 7 Jahre vor der klinischen Manifestation nachweisen lassen
  • Mithilfe von AI-Analysen wurden Ergebnisse aus dem AlzEye-Datensatz in der größeren Datenbank der UK Biobank repliziert, sodass selbst bei einer niedrigen Prävalenz von 0,1 bis 0,2 % feine Marker erkannt werden konnten
  • Die zentrale Untersuchung OCT ist eine nichtinvasive augenärztliche Untersuchung, die in weniger als 1 Minute tomografische Netzhautbilder erstellt und Details im Bereich von 1/1000 mm liefert
  • Für individuelle Vorhersagen eines Parkinson-Ausbruchs ist das Verfahren noch schwer nutzbar, könnte sich aber zu einem Vorscreening-Tool zur Identifikation von Risikogruppen entwickeln
  • OCT ist schneller, günstiger und skalierbarer als Gehirnscans, sodass breitere bildgebende Untersuchungen der Bevölkerung künftig zu prädiktiver Analytik führen könnten

Marker für Parkinson in Netzhautbildern

  • Ein Team unter Leitung von Siegfried Wagner und Pearse Keane vom Moorfields Eye Hospital und dem UCL Institute of Ophthalmology identifizierte Marker, die bei Parkinson-Patienten im Durchschnitt 7 Jahre vor der klinischen Manifestation auftreten
  • Die Ergebnisse stammen aus der bislang größten Studie zur retinalen Bildgebung bei Parkinson und werden als erster Fall präsentiert, in dem diese Befunde Jahre vor der Diagnose gezeigt wurden
  • Die Studie wurde im medizinischen Journal Neurology® der American Academy of Neurology veröffentlicht

Datensätze und Analysemethode

  • Das Forschungsteam suchte mit Unterstützung von AI in Augenscans nach Parkinson-Markern
  • Ergebnisse aus dem AlzEye-Datensatz wurden in der größeren Datenbank der UK Biobank repliziert, und dieselben Befunde ließen sich auch in Daten gesunder Freiwilliger reproduzieren
  • Durch die gemeinsame Nutzung zweier großer Datensätze konnten selbst bei Parkinson mit einer niedrigen Prävalenz von 0,1 bis 0,2 % feine Marker identifiziert werden
  • Der AlzEye-Datensatz wurde über INSIGHT erstellt, die weltweit größte Datenbank für Netzhautbilder und zugehörige klinische Daten

Die Rolle von OCT und Oculomics

  • Das Auge gilt seit Langem als Fenster, das viele Aspekte der körperlichen Gesundheit direkt sichtbar macht
  • Hochauflösende Netzhautbilder werden heute routinemäßig in der Augenheilkunde eingesetzt, besonders der 3D-Scan OCT, der in Augenkliniken und innerstädtischen Optikgeschäften weit verbreitet ist
  • OCT erstellt in weniger als 1 Minute Querschnittsbilder der Netzhaut auf der Rückseite des Auges und liefert Details im Bereich von 1/1000 mm
  • Netzhautscans gelten als die einzige nichtinvasive Methode, mit der sich Zellschichten unter der Hautoberfläche betrachten lassen
  • Mit leistungsfähigen Computern lassen sich große Mengen an OCT- und Augenbildern präzise in einem Bruchteil der Zeit analysieren, die Menschen dafür benötigen würden
  • Maschinelles Lernen wird genutzt, um allein aus Augenbildern verborgene Informationen über den gesamten Körper zu gewinnen; dieses Forschungsfeld wird oculomics genannt

Verbindung zu Studien über andere Erkrankungen

  • Daten aus Augenscans wurden bereits genutzt, um Signale neurodegenerativer oder verwandter Erkrankungen wie Alzheimer, Multipler Sklerose und zuletzt Schizophrenie zu finden
  • Die vorliegende Studie reiht sich in diesen Trend ein und zeigt einen Fall, in dem frühe Marker von Parkinson in Netzhautbildern gefunden wurden

Forschungskooperation und Verknüpfung mit NHS-Daten

  • An der Studie arbeiteten die NIHR Biomedical Research Centres des Moorfields Eye Hospital, des University Hospital Birmingham, des Great Ormond Street Hospital, des Oxford University Hospital, des University College Hospital London und des UCL Great Ormond Street Institute of Child Health zusammen
  • Laut einem Video-Interview bestand die erste Phase darin, die Augenscans von mehr als 100.000 Personen, die das Moorfields Eye Hospital besucht hatten, mit landesweiten Krankenhaus-Aufnahmedaten aus ganz England zu verknüpfen, um Augenmerkmale von Parkinson-Patienten zu finden
  • In der zweiten Phase wurden dieselben Merkmale in einer gesunden Kohorte der britischen Allgemeinbevölkerung bestätigt; dabei zeigte sich, dass sie im Durchschnitt bis zu 7 Jahre vor einer Parkinson-Diagnose vorhanden waren
  • Für die Durchführung der Studie waren der integrierte Gesundheitsversorger NHS, große Datensätze, eine Hochleistungs-Computing-Infrastruktur sowie die AI-Expertise von Moorfields und UCL erforderlich

Für individuelle Vorhersagen noch nicht bereit

  • Siegfried Wagner erklärte, dass man noch nicht bereit sei vorherzusagen, ob eine einzelne Person an Parkinson erkranken wird
  • Er hofft jedoch, dass sich diese Methode zu einem Vorscreening-Tool für Risikogruppen entwickeln kann
  • Wenn sich Signale verschiedener Erkrankungen schon vor Symptombeginn erkennen lassen, könnten Menschen Zeit gewinnen, Lebensstiländerungen zur Vorbeugung mancher Krankheiten zu versuchen, und Kliniker könnten den Beginn und die Auswirkungen neurodegenerativer Erkrankungen verzögern

Skalierbarkeit und Potenzial für den öffentlichen Gesundheitsbereich

  • Louisa Wickham geht davon aus, dass eine Ausweitung bildgebender Untersuchungen auf eine breitere Bevölkerung die öffentliche Gesundheit in Zukunft stark beeinflussen und letztlich zu prädiktiver Analytik führen wird
  • OCT-Scans sind für diesen Zweck skalierbarer, nichtinvasiv, kostengünstiger und schneller als Gehirnscans
  • Als weiterführende Materialien werden ein ITV News-Interview und ein Academic article genannt

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2023-08-24
Meinungen auf Hacker News

  • Es lohnt sich, die eigentliche Studie anzusehen: https://n.neurology.org/content/neurology/early/2023/08/21/W...
    Selbst bei den Kennzahlen mit dem stärksten Signal überlappen sich die Verteilungen von prodromalen Parkinson-Patienten und Kontrollgruppe erheblich. Einige Werte wirken fast wie eindeutige Marker für Parkinson, aber in den überlappenden Bereichen führt die Nutzung als Einzelindikator zu einer hohen Falsch-Positiv-Rate, was den Nutzen mindert.
    Es scheint möglich, Parkinson zu einem recht frühen Zeitpunkt bei einem beträchtlichen Anteil zu erkennen, aber mit dieser Methode allein dürfte es schwierig sein, sowohl falsch positive als auch falsch negative Ergebnisse niedrig zu halten. Man sollte auch berücksichtigen, dass die Pressemitteilung eine deutlich vorsichtigere Studie in einem recht euphorischen Ton zusammenfasst.

    • Wenn es eine „Möglichkeit gibt, Parkinson zu einem recht frühen Zeitpunkt zu erkennen“, frage ich mich, was außer Änderungen des Lebensstils eine frühe Intervention sein könnte.
      Soweit ich weiß, besteht die Parkinson-Behandlung im Grunde darin, lebenslang Dopamin-Medikamente zu nehmen; irgendwann entsteht eine Toleranz, die Wirkung lässt nach, und man braucht immer höhere Dosen. Es fühlt sich so an, als würde in dem Moment, in dem man damit anfängt, auch der Countdown für die verbleibende Lebensdauer des Gehirns starten.
    • In der Studie steht ebenfalls, dass „eine dünnere INL und GCIPL mit einem erhöhten Risiko für die Entstehung von Parkinson verbunden waren, der praktische Wert als frühe Parkinson-Marker auf individueller Ebene derzeit jedoch begrenzt ist, insbesondere wegen der geringen Effektgröße der INL“.
      Nach etwas Recherche scheint die individuelle Streuung der GCIPL-Dicke selbst bei gesunden jungen Erwachsenen ziemlich groß zu sein, und dieser Bereich ist größer als der in der Studie nachgewiesene Effekt. In der Praxis müsste man die GCIPL möglicherweise ein Leben lang verfolgen, um den frühen Beginn der Krankheit zu erkennen, und eine Ausdünnung der GCIPL allein scheint auch nicht auszureichen, um Parkinson zu diagnostizieren. Sie tritt auch bei anderen Krankheiten wie Alzheimer auf und könnte vielleicht sogar eine Folge natürlichen Alterns sein.

  • Mir fallen RightEye und Neuralight als Unternehmen ein, die in diesem Bereich tätig waren:
    https://techcrunch.com/2018/02/17/righteyes-portable-eye-tra...
    https://techcrunch.com/2022/05/24/neuralight-aims-to-track-a...
    Inzwischen dürfte es mehr geben. Soweit ich mich erinnere, eignen sich solche Daten sehr gut als Signal im Sinne von „lass dich gründlicher untersuchen“. Es geht nicht darum, eine Diagnose zu stellen, sondern etwa darum, dass verlangsamte Augenbewegungen korrelieren und sich deutlich früher erkennen lassen als offensichtliche Symptome wie Zittern der Hände.

    • Es geht nicht nur um Bewegung. Netzhautgewebe entwickelt sich aus demselben embryonalen Gewebe wie das Gehirn. Wahrscheinlich haben sie auch Struktur oder Gefäßsystem betrachtet.
      Die beeindruckendste Anekdote in diesem Bereich ist, dass es unter Menschen mit angeborener Blindheit keinen bekannten Fall von Schizophrenie gibt.
    • Ich frage mich, ob Früherkennung tatsächlich nützlich ist.

  • Der Gedanke, zu wissen, dass man innerhalb der nächsten zehn Jahre dement wird, ist interessant, aber ob es gut ist, das zu wissen, ist nicht einfach zu beantworten.
    Wenn man diesen Gedanken konsequent zu Ende denkt, wird es auch ein wenig absurd. Was wäre, wenn „es zu wissen“ zur gesellschaftlichen Norm würde? Würde man Menschen, die bald dement werden, im öffentlichen Raum Vorrang in Warteschlangen geben? Man kann an Freizeitparks, Verkehrsreservierungen, Hotelbuchungen, Bars und Kinos denken. Eine Dienstleistungsbranche für diese spezielle Gruppe könnte über Nacht entstehen.

    • Es ist nichts Erfreuliches, aber ich denke, die Möglichkeit, angesichts einer schwierigen medizinischen Situation langfristig zu planen, ist eindeutig besser, als es nicht zu wissen. Das reicht von Finanzplanung bis zur Suche nach einem passenden Zuhause, etwa einem ebenerdigen Haus ohne Treppen.
      Ich hoffe, dass wir in naher Zukunft ein besseres Verständnis krankheitsmodifizierender Medikamente bekommen, die das Fortschreiten von Parkinson verlangsamen. Wenn sich bestätigt, dass Medikamente wie Exenatide das Fortschreiten von Parkinson tatsächlich verlangsamen, würde ich es so früh wie möglich wissen wollen.
    • Zu wissen, dass man an einer unheilbaren Krankheit erkranken wird, hat nur Nachteile. Statt die Gegenwart zu genießen, fürchtet man sich vor der kommenden Zeit.
    • Wenn man Menschen, die bald dement werden, im öffentlichen Raum Vorrang in Warteschlangen geben würde, müsste man sich fragen, ob man das auch bei Krebspatienten macht.
    • Das passiert bereits. Wenn angenommen wird, dass man Krebs oder Demenz bekommen könnte, läuft es darauf hinaus, dass einem der Versicherungsabschluss verweigert und Chancen genommen werden.
    • Man könnte die verbleibenden Tage zwar nach Herzenslust genießen, aber nach dem Tod machen diese Erfahrungen für einen selbst keinen Unterschied mehr. Was bleibt, ist das Vermächtnis, das in den Herzen der Lebenden weiterlebt. Ich möchte nicht als jemand in Erinnerung bleiben, der andere beiseitegedrängt und sogar ihren Erbteil aufgebraucht hat.
      Darüber lohnt es sich nachzudenken.

  • „Durch den Einsatz einer Art von KI namens Machine Learning können Computer allein aus diesen Bildern verborgene Informationen über den gesamten Körper finden“ – heißt das jetzt, dass Computer mithilfe von KI etwas tun?
    Es ist immer wieder interessant, dass man sagt „KI hat X getan“, „KI hat Y entdeckt“, aber nicht „der Kran hat das Gebäude gebaut“.

    • Das ist schwerlich eine seltsame Formulierung. Zuschreibung geht immer an das denkende Subjekt, das das Werkzeug bedient und das Ergebnis interpretiert.
      Zum Beispiel hat Galileo den Jupiter gesehen, nicht das Teleskop. Joe hat die Mauer gebaut, nicht der Kran.
      In diesem Fall ist die KI das denkende Subjekt und kein Mensch, daher kommt diese Formulierung zustande. Dass Menschen die KI geschaffen haben, hebt die Zuschreibung nicht auf. Genauso wenig sagt man, Joes Mutter habe die Mauer gebaut, nur weil Joe von seiner Mutter geboren wurde.
    • Ein Kran ist eine alte und bekannte Maschine, während KI neu ist und für die meisten eine Art Blackbox darstellt; daher kommt wohl diese Ausdrucksweise.

  • Auch wenn es keine Therapie gibt, ist jeder Fortschritt bei Parkinson eine gute Sache.
    Mein Vater hatte Parkinson, und da er als Ingenieur, der mit Metallen und Entfettern arbeitete, jahrelang Trichlorethylen ausgesetzt war, war das ein klarer Datenpunkt dafür, dass diese Substanz eine Ursache sein könnte.
    [1] https://www.science.org/content/article/widely-used-chemical...

    • Ich war TCE in Bremsenreiniger ausgesetzt, also könnte ich ebenfalls gefährdet sein. Danke für den Link.

  • Wir tragen bereits eine extrem ausgefeilte Kamera in der Tasche mit uns herum
    Wie lange wird es noch dauern, bis man mit dem Smartphone ein Gerät bauen kann, das dem von Star Trek versprochenen Tricorder ähnelt?
    Auch die Apple Watch scheint Potenzial zu haben, und ich stelle mir eine Welt vor, in der Menschen irgendwann nicht mehr zum Arzt gehen, um eine Diagnose zu bekommen, sondern um eine bereits vorliegende Diagnose bestätigen zu lassen und einen erfolgreichen Behandlungsplan zu erhalten.

    • In Entwicklungsländern könnte das eine sehr gute Option werden [1] [2]. Allerdings müsste man zusätzliche Optik fürs Smartphone in Betracht ziehen, also etwas wie eine „Funduskamera“. In Industrieländern wird es wahrscheinlich eher in die klassische augenärztliche Untersuchung eingebunden werden.
      Der Vorteil liegt darin, per Machine Learning mehr Daten aus bereits bestehenden Bildgebungsprozessen herauszuholen. Man kann das als Implementierung einer Datenpipeline betrachten.
      „Hochauflösende Bilder der Netzhaut sind inzwischen ein routinemäßiger Bestandteil der Augenheilkunde. Das gilt besonders für die optische Kohärenztomografie (OCT), einen 3D-Scan, der in Augenkliniken und Optikergeschäften in Innenstädten weit verbreitet ist. In weniger als einer Minute erzeugt ein OCT-Scan einen Querschnitt der Netzhaut im hinteren Augenabschnitt mit sehr hoher Detailgenauigkeit bis auf 1/1000 Millimeter.“
      [1] https://www.cureus.com/articles/106024-effective-low-cost-op...
      [2] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5609317/
    • Ich rechne damit, dass Ärzte, die einschlägige Branche und nutzlose Behörden wie die FDA sich dieser Entwicklung heftig widersetzen werden. Wie immer.
    • Google hat an Smartphone-basierter Herzfrequenzmessung, Erkennung von Hautkrankheiten, Krankheitserkennung anhand von Augenfotos und einer Art Stethoskop-Funktion geforscht:
      https://ai.googleblog.com/2023/02/google-research-2022-beyon...

  • Das wird nicht dazu genutzt werden, Menschen zu helfen, sondern zur Ablehnung von Versicherungsschutz missbraucht werden.

    • In den USA ist es seit 2014 verboten, Menschen wegen Vorerkrankungen von der Krankenversicherung auszuschließen.
      Wenn man versucht, bestimmte Pflegeversicherungen oder Lebensversicherungen abzuschließen und so etwas nicht offenlegt, könnte man zwar riskieren, den Versicherungsschutz zu verlieren.
      Aber man sollte Untersuchungen oder Behandlungen nicht aus Angst vermeiden, wegen einer Vorerkrankung die Krankenversicherung zu verlieren. Diese Zeiten sind seit fast zehn Jahren vorbei.
    • Tatsächlich könnte das passieren. Der Nettoeffekt ist, dass Versicherungsschutz abgelehnt werden kann.
      Bei der Untersuchung wird einem dieser Punkt nicht erklärt.
    • Diese Denkweise lässt sich auf fast jeden medizinischen Fortschritt anwenden. Angemessene Regulierung kann das Problem lösen.

  • Wissen wir überhaupt, ob der Mechanismus von Parkinson bei allen Menschen derselbe ist? Oder handelt es sich eher um mehrere jeweils zufällige und individuelle Fehlfunktionen, die am Ende zu ähnlichen Symptomen führen und denen Kliniker einen losen gemeinsamen Namen gegeben haben?
    Gestern habe ich dieses Paper gelesen: https://www.frontiersin.org/articles/10.3389/fchem.2023.1106... Wäre es nicht gut, solche Werkzeuge auf der Ebene des menschlichen Organismus und einzelner Patienten skalieren zu können? Mit CPUs und GPUs lässt sich etwas so Großes nicht wirklich korrekt simulieren, also würde man die Lücke mit Machine Learning schließen. Was wäre, wenn man mit höherer Auflösung als die besten Nachrichtendienste der Welt in das Privatleben einzelner Krankheiten blicken könnte?
    Ich träume davon, so etwas zu machen; wenn jemand einstellt, würde ich mich über eine E-Mail freuen.

  • Ich habe einen Artikel mit dem Titel „Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs“ geschrieben. Er ist hier zu finden: https://www.nature.com/articles/s41467-023-39631-x
    Viele solcher Modelle bieten vielversprechende Vorteile für die Bevölkerungsgesundheit, aber es gibt weiterhin viele Herausforderungen in Bezug auf Bias und Umsetzung. Dennoch kann die frühe Erkennung von Krankheiten Vorteile bringen, auch wenn sie nicht zwangsläufig eine Behandlungsmethode ist. Die IDEAs-Studie zu Alzheimer ist ein gutes Beispiel.

  • Wie hoch ist die tatsächliche Vorhersagekraft? p-Werte und Konfidenzintervalle von Hazard Ratios geben unter den Annahmen nur die Wahrscheinlichkeit im Vergleich zum Effekt der Nullhypothese bei wiederholten Daten an.
    Was ich wirklich wissen möchte: Wenn man den Anteil von Parkinson-Erkrankungen in der Allgemeinbevölkerung als Vorwahrscheinlichkeit nimmt, wie sieht dann die Konfusionsmatrix dieser Methode aus?