Forschende analysierten MRT-Bilder und einfache Bluttests von Hunderten Patienten. Sie entdeckten Muster, die den Grad der Hirnschädigung zeigen.
Forschende haben mithilfe künstlicher Intelligenz zwei bisher unbekannte biologische Subtypen der Multiplen Sklerose (MS) identifiziert. Die Entdeckung könnte Ärztinnen und Ärzten helfen, Therapien genauer auf einzelne Patientinnen und Patienten zuzuschneiden.
MS betrifft weltweit Millionen Menschen. Dennoch richten sich Behandlungsentscheidungen oft nach den Symptomen, nicht nach der Biologie der Erkrankung. Dadurch erhalten manche Betroffene Therapien, die für ihre Form der MS weniger wirksam sind.
Nun berichten Forschende, sie hätten mithilfe von KI-Analysen, MRT-Aufnahmen und einem einfachen Bluttest zwei unterschiedliche biologische Muster der Erkrankung gefunden.
Wie die Studie durchgeführt wurde
Die von University College London (UCL) und Queen Square Analytics geleitete Studie wertete Daten von rund 600 Menschen mit MS aus. Im Mittelpunkt standen die Werte eines Blutproteins namens Serum-Neurofilament-Leichtkette (sNfL). Es wird freigesetzt, wenn Nervenzellen geschädigt sind, und gilt als Marker für die Krankheitsaktivität.
Mit einem Machine-Learning-Modell namens SuStaIn kombinierten die Forschenden die sNfL-Daten mit Gehirnscans. Die in der Fachzeitschrift Brain veröffentlichten Ergebnisse zeigen zwei MS-Subtypen: „early sNfL“ und „late sNfL“.
Bei Menschen mit early sNfL-MS traten hohe Proteinwerte früh auf, begleitet von Schäden am Balken, der die beiden Gehirnhälften verbindet. Diese Patientinnen und Patienten entwickelten schneller Hirnläsionen. Das deutet auf eine aktivere, aggressivere Form der MS hin.
Bei late sNfL-MS schrumpfte das Gehirn zuerst in Bereichen wie dem limbischen Kortex und der tiefen grauen Substanz, bevor die sNfL-Werte anstiegen. Dieses Muster verläuft offenbar langsamer. Sichtbare Nervenschäden treten später auf.
Warum die Entdeckung Diagnose und Behandlung von MS verändern könnte
Das Erkennen dieser biologischen Muster kann helfen, den Krankheitsverlauf besser vorherzusagen. Ärztinnen und Ärzte könnten Therapien entsprechend gezielter auswählen.
„MS ist keine einheitliche Krankheit, und die derzeitigen Subtypen beschreiben die zugrunde liegenden Gewebeveränderungen nicht. Die müssen wir aber kennen, um sie zu behandeln“, sagte Dr. Arman Eshaghi, Hauptautor der Studie und Forscher an der UCL.
„Durch den Einsatz eines KI-Modells, kombiniert mit einem breit verfügbaren Blutmarker und MRT, konnten wir erstmals zwei klare biologische Muster der MS zeigen“, so Eshaghi. „Das hilft Ärztinnen und Ärzten einzuschätzen, wo eine Person im Krankheitsverlauf steht – und wer engmaschiger überwacht oder früher gezielt behandelt werden sollte.“
Künftig könnten Menschen mit early sNfL-MS frühzeitig hoch wirksame Therapien erhalten und engmaschiger überwacht werden. Menschen mit late sNfL-MS könnten von anderen Ansätzen profitieren, etwa von Behandlungen, die Nervenzellen schützen und den Abbau verlangsamen.
„Das ist eine spannende Entwicklung in unserem Verständnis von MS“, sagte Caitlin Astbury, Leiterin der Forschungskommunikation bei der MS Society, dem The Guardian.
Sie erklärte, die Studie habe mithilfe von maschinellem Lernen MRT-Aufnahmen und biologische Marker von Menschen mit schubförmig remittierender und sekundär progredienter MS kombiniert.
„In den vergangenen Jahren haben wir die Biologie der Erkrankung besser verstanden“, sagte Astbury dem The Guardian. „Derzeit beruhen die Definitionen jedoch auf den klinischen Symptomen, die eine Person zeigt. MS ist komplex, und diese Kategorien spiegeln oft nicht genau wider, was im Körper geschieht. Das erschwert eine wirksame Behandlung.“
Für Menschen mit schubförmiger MS stehen rund 20 Behandlungsoptionen zur Verfügung. Für fortschreitende Formen kommen erste Therapien hinzu. Dennoch haben viele Betroffene nur begrenzte oder gar keine wirksamen Optionen.
„Je mehr wir über die Erkrankung lernen, desto eher werden wir Therapien finden, die das Fortschreiten stoppen können“, so Astbury.