Forschende nutzten KI und Genanalysen von über 43.000 Menschen. Sie fanden biologische Muster, die Diagnose und Therapie einer der häufigsten neurologischen Erkrankungen verändern könnten.
Seit Jahrzehnten stellen Ärztinnen und Ärzte die Diagnose Migräne vor allem nach klassischem Muster: Sie fragen ihre Patientinnen und Patienten, wie sich deren Kopfschmerzen anfühlen.
WERBUNG
WERBUNG
Es gibt keinen Bluttest, keine Bildgebung und keinen etablierten Biomarker, der die Erkrankung eindeutig nachweisen könnte. Stattdessen stützen sich Klinikerinnen und Kliniker auf ein vertrautes Bündel von Symptomen: heftige Kopfschmerzen, oft begleitet von Übelkeit und Licht- oder Lärmempfindlichkeit.
Doch neue Forschung deutet darauf hin, dass Migräne einen deutlich breiteren biologischen Fußabdruck hinterlässt, als diese Symptome vermuten lassen.
Forschende in Norwegen haben mit Hilfe von Machine Learning Menschen mit Migräne identifiziert – anhand von Informationen, in denen die Kopfschmerzsymptome gar nicht vorkamen. Anschließend nutzten sie künstliche Intelligenz, um innerhalb der Migränepatienten unterschiedliche Gruppen herauszuarbeiten.
Die Ergebnisse, veröffentlicht im Fachblatt Neurology (Quelle auf Englisch), legen nahe, dass Migräne womöglich gar keine einheitliche Erkrankung ist, sondern „eine Spektrumstörung, die sich anhand umfassender klinischer und biologischer Daten erkennen und unterteilen lässt – nicht allein über kopfschmerzbezogene Symptome“, schreiben die Forschenden.
„Bei der Migräne-Diagnose gibt es viele Unstimmigkeiten. Offenbar kann uns KI helfen, die richtige Diagnose zu stellen“, sagte (Quelle auf Englisch)Anker Stubberud, Arzt und Kopfschmerzforscher an der Norwegischen Universität für Wissenschaft und Technologie (NTNU).
Das könnte langfristig auch die Behandlung verändern. Wenn verschiedene Migräneformen unterschiedliche biologische Signaturen haben, könnten Ärztinnen und Ärzte eines Tages vorhersagen, welche Patientinnen und Patienten auf welche Therapien ansprechen, „damit die Betroffenen die bestmögliche Behandlung erhalten“, so Stubberud. Bislang bleibt oft nur das Prinzip Versuch und Irrtum.
Das Team wertete Daten der Trøndelag Health Study aus, einer großen norwegischen Bevölkerungsstudie mit klinischen Angaben aus den 1990er- und 2000er-Jahren. In die diagnostische Analyse flossen Informationen von 43.197 Menschen ein, darunter knapp 9.000 mit eingestufter Migräne.
Die Forschenden speisten das KI-Modell mit Dutzenden Angaben zu Gesundheit und Lebensstil der Teilnehmenden. Dazu gehörten unter anderem soziodemografische Merkmale, psychische Gesundheit, Herz-Kreislauf- und Muskel-Skelett-Erkrankungen, Schlaf, Bewegung, Medikamentengebrauch und weitere Faktoren sowie genetische Daten.
Entscheidend: Das Modell erhielt keine Angaben zu den typischen Merkmalen der Kopfschmerzen selbst.
Trotzdem erreichte das beste Modell im zurückgehaltenen Testdatensatz eine Fläche unter der Kurve von 0,80. Dieser Wert zeigt eine recht gute Trennschärfe zwischen Menschen mit Migräne und kopfschmerzfreien Kontrollpersonen. Zusätzliche genetische Informationen verbesserten die Leistung nur geringfügig gegenüber den rein klinischen Daten.
„Dass die KI Migräne so zuverlässig erkennen konnte, ohne irgendetwas über den Kopfschmerz selbst zu wissen, deutet darauf hin, dass die Erkrankung Spuren hinterlässt, die weit über die einzelnen Anfälle hinausreichen“, sagte Stubberud.
Für das Verständnis der Biologie der Migräne ist dieses Ergebnis bedeutsam.
Alter war der wichtigste Prädiktor. Dahinter folgten Faktoren wie Nackenschmerzen, Menstruation und Übelkeit, wie die Analyse der Merkmale zeigte, die die Modellvorhersagen bestimmten.
Vier Migräne-Typen
Im nächsten Schritt stellte das Team dem Algorithmus eine andere Aufgabe: Er sollte nicht mehr zwischen Migräne und anderen Kopfschmerzen unterscheiden, sondern in den Daten nach natürlich entstehenden Gruppen suchen.
Unter 12.185 Personen mit ausreichend vollständigen Kopfschmerzangaben identifizierte der Algorithmus einen Cluster mit 1.425 Menschen, von denen 94 Prozent die Kriterien der Forschenden für Migräne erfüllten. Ein deutlich größerer Cluster umfasste Menschen, deren Kopfschmerzen häufiger als Nicht-Migräne eingestuft wurden.
Die migräneähnliche Gruppe ließ sich wiederum in vier Untergruppen aufteilen.
Eine bestand ausschließlich aus Männern. Eine andere zeichnete sich durch ausgeprägte Nackenschmerzen aus. In einer dritten Gruppe traten mehr muskuläre und skelettale Schmerzen auf, kombiniert mit Angststörungen und Depressionen. Die vierte Gruppe entsprach eher dem, was Ärztinnen und Ärzte als „klassische“ Migräne kennen: Die Betroffenen erlebten eine Migräneaura. Dabei handelt es sich um vorübergehende neurologische Symptome, die vor oder während einer Attacke auftreten können, etwa Lichtblitze, Zickzackmuster, Ausfälle im Gesichtsfeld oder flimmernde Bereiche. Auch Kribbeln oder Taubheitsgefühle und Sprachstörungen sind möglich.
Auch in den genetischen Signalen unterschieden sich die Gruppen. Die Forschenden fanden heraus, dass genetische Risikoscores aus Machine-Learning-Verfahren die Gruppen besser trennten als herkömmliche polygenetische Risikoscores.
„Das stützt die Hypothese, dass Migräne keine einzelne Erkrankung ist, sondern eine heterogene Gruppe verschiedener biologischer Zustände“, sagte Stubberud.
Die möglichen Folgen reichen damit über einen verbesserten Diagnosetest hinaus.
Die Ergebnisse könnten eine alte Frustration von Patientinnen, Patienten und Ärztinnen, Ärzten erklären: weshalb ein Medikament bei einer Person mit Migräne hervorragend wirkt, bei einer anderen aber kaum Besserung bringt.