Veränderungen des Gehirns im Alter: Neue diagnostische Ansätze
Das menschliche Gehirn unterliegt mit zunehmendem Alter strukturellen und funktionellen Veränderungen. Neben makroskopisch erkennbaren Volumenverlusten treten auch mikroskopische Veränderungen der Gewebeintegrität auf, die bisher schwer erfassbar waren. In der klinischen Praxis besteht daher ein wachsender Bedarf an sensitiven Bildgebungsmethoden, um pathologische Alterungsprozesse wie Alzheimer, andere Demenzformen, Parkinson oder Multipler Sklerose frühzeitig zu erkennen. Ein neuer Ansatz zur Bestimmung des "biologischen Gehirnalters" könnte hierbei eine entscheidende Rolle spielen.
Hirnsteifigkeit als neuer Biomarker
Bisherige bildgebende Verfahren zur Altersdiagnostik nutzen primär die Volumetrie. Neuere Studien rücken jedoch die Magnetresonanzelastografie (MRE) stärker in den Fokus. Diese Technik misst viskoelastische Eigenschaften des Gehirngewebes, insbesondere dessen Steifigkeit und das Dämpfungsverhalten. Hirnsteifigkeit gilt als sensitiver Marker für die neuronale Gesundheit, da sie mikroskopische Veränderungen früher abbilden kann als makroskopisch erfassbare Volumenverluste.
Curtis Johnson, Professor für Biomedizintechnik an der University of Delaware (USA), entwickelt seit über einem Jahrzehnt MRE-Techniken. Dabei wird das Gehirn während der MRT sanft in Schwingung versetzt, um lokale Unterschiede in der mechanischen Belastbarkeit zu kartieren. Diese Elastizitätskarten zeigen altersbedingte Veränderungen der Gewebesteifigkeit, die mit neurodegenerativen Prozessen in Verbindung stehen.
Kombination von Bildgebung und KI-Analyse zur Altersvorhersage
Eine im Fachjournal Biology Methods and Protocols veröffentlichte Studie untersuchte, ob MRE-basierte Hirnsteifigkeitsmessungen Altersprädiktionsmodelle verbessern können. In Zusammenarbeit mit Austin Brockmeier, Assistenzprofessor für Elektro- und Computertechnik, wurde ein Deep-Learning-Modell entwickelt, das Hirnsteifigkeit und Volumen gemeinsam auswertet, um das biologische Alter des Gehirns zu bestimmen. Die Forscher analysierten umfangreiche Datensätze aus dem Mechanical Neuroimaging Lab der University of Delaware und nutzten hochauflösende Bildgebung des Center for Biomedical and Brain Imaging.
„Das Gehirnvolumen ist ein gängiges Maß zur Beurteilung der Hirngesundheit“, so Johnson. „Aber bevor das Volumen schrumpft, müssen mikroskopische Prozesse stattfinden, die auch die Steifigkeit beeinflussen.“
Ergebnisse: Bessere Prognosen durch multimodale Daten
Die Analyse zeigt, dass sowohl das Hirnvolumen als auch die Hirnsteifigkeit zuverlässige Prädiktoren des chronologischen Alters sind. Die Kombination beider Parameter übertraf jedoch signifikant die Vorhersagegenauigkeit der jeweils einzeln eingesetzten Modalitäten. Deep-Learning-Modelle wie ResNet und SFCN identifizierten insbesondere Areale im medialen Frontallappen und im limbischen System als altersrelevant.
„Die Steifigkeitskarten wirkten zunächst zufällig“, berichtet Johnson. „Doch mit zunehmender Datenmenge wurden Muster sichtbar. Die herkömmliche Analyse war zu grob, um diese zu erfassen.“
Brockmeier und sein Team nutzten dreidimensionale, gefaltete neuronale Netze zur Auswertung der Bilddaten. Salienzanalysen zeigten, dass das Modell altersrelevante Hirnregionen korrekt identifizierte. „Das gab uns die Sicherheit, dass das Modell tatsächlich das erfasst, was wir auch klinisch beobachten“, so Brockmeier.
Tomoelastografie als Diagnosewerkzeug für neurodegenerative Erkrankungen
Die Studie hebt hervor, dass die Tomoelastografie ein hohes Potenzial hat, frühzeitige pathologische Hirnalterung zu detektieren. Die Gewebesteifigkeit gibt mikroskopische Veränderungen wie Demyelinisierung, neuronalen Zellverlust oder Änderungen der extrazellulären Matrix wieder – lange bevor makroskopisch erfassbare Volumenreduktionen nachweisbar sind. Damit könnte die MRE insbesondere in präklinischen Stadien neurodegenerativer Erkrankungen von diagnostischem Nutzen sein.
Zukunftsausblick: Mechanische Bildgebung als klinisches Werkzeug
Die vorgestellte Forschung ist ein bedeutender Schritt hin zu präzisen, bildgebungsbasierten Biomarkern. Künftige Studien sollen die entwickelten Modelle auf Patientenkollektive mit Alzheimer, Parkinson oder Multipler Sklerose anwenden. Auch Anwendungen im Bereich entwicklungsneurologischer Störungen wie Autismus oder intellektueller Beeinträchtigung sind denkbar.
Die Kombination aus struktureller und mechanischer Bildgebung ermöglicht eine objektivere Beurteilung der Hirnstruktur über den gesamten Lebensverlauf. Sie ermöglicht eine frühzeitige, nicht-invasive Methode zur Einschätzung der Gewebeintegrität und könnte damit zur Verbesserung von Prognose und Therapieplanung beitragen.
