Alzheimer: het algoritme dat het risico tussen mannen en vrouwen onderscheidt

Wanneer de ziekte toeslaat – ongeveer 800.000 mensen in Italië – treft het niet iedereen evenveel. De cijfers laten namelijk zien dat vrouwen vaker aan de ziekte van Alzheimer lijden: van 0,7% onder 65-69-jarigen tot 23,6% onder vrouwen ouder dan 90, vergeleken met mannen, bij wie de percentages respectievelijk variëren van 0,6% tot 17,6%. Maar de manier waarop de ziekte zich manifesteert, maakt ook een verschil: vrouwen ervaren vaak een snellere cognitieve achteruitgang en een grotere aantasting van het episodisch geheugen. Dit lijkt te wijten te zijn – hoewel er nog steeds onderzoek wordt gedaan – aan de rol van geslachtshormonen en verschillen in de hersenstructuur. Toch houden de instrumenten die worden gebruikt om de ziekte te diagnosticeren, van tests tot meer invasieve en dure methoden, zoals MRI of hersenvochtanalyse, onvoldoende rekening met deze verschillen. Nu zou een algoritme wel eens verschil kunnen maken.

Een vooroordeel dat overwonnen moet worden

"Veel neuropsychologische tests zijn historisch gezien ontwikkeld met overwegend mannelijke proefpersonen", legt Daniele Caligiore uit, onderzoeksdirecteur bij het Institute of Cognitive Sciences and Technologies (ISTC) van de National Research Council (CNR). "Het probleem is dat deze tests vervolgens worden toegepast op mensen van beide geslachten, maar dat mannen en vrouwen verschillend kunnen reageren. Dit kan leiden tot diagnostische fouten: een vrouw kan bijvoorbeeld lager scoren op een test, maar die score kan nog steeds wijzen op een goede prestatie als deze wordt beoordeeld met een schaal die is gekalibreerd voor het vrouwelijke geslacht."

Machine learning voor vroege diagnose

In deze context kan machine learning een kans bieden, zoals blijkt uit het project dat gecoördineerd werd door het onderzoekscentrum van Caligiore en waarvan de resultaten gepubliceerd zijn in het Journal of Neurological Sciences. "Ons doel", vervolgt de wetenschapper, "is te begrijpen welke factoren vanuit een genderperspectief in aanmerking moeten worden genomen om artsen te helpen bij een vroege diagnose, met name bij complexe ziekten zoals Alzheimer en Parkinson, die nauw verwant zijn."

Een Italiaanse samenwerking

Het werk is het resultaat van een samenwerking tussen de CNR (Nationale Onderzoeksraad), het onderzoeksgebied Milan 4, de Mondino Foundation, de Universiteit van Pavia, de Santa Lucia Foundation, de Sapienza Universiteit van Rome en de start-up AI2Life. De kern van het project is een machine learning-algoritme dat in staat is om het begin van de ziekte van Alzheimer te voorspellen en te differentiëren op basis van het geslacht van een patiënt, met behulp van niet-invasief verzamelde gegevens zoals neuropsychologische testscores en sociaaldemografische informatie. Het algoritme werd getraind met gegevens uit twee grote internationale databases, waaronder die van de Michael J. Fox Association. In tegenstelling tot traditionele benaderingen, die gegevens homogeen behandelen, trainde het team het systeem afzonderlijk op gegevens van mannen en vrouwen. In die zin stelt het machine learning-model ons niet alleen in staat om de kans te voorspellen om de ziekte binnen een specifiek tijdsbestek (één tot vijf jaar) te ontwikkelen, maar ook – dankzij het gebruik van uitlegbare AI die het besluitvormingsproces van het algoritme transparant maakt – om te identificeren welke tests het meest voorspellend zijn voor elk geslacht.

Test voor vrouwen en mannen

Analyse van de resultaten laat zien dat sommige neuropsychologische tests een verschillende voorspellende waarde hebben, afhankelijk van het geslacht. "Machine learning stelt ons in staat om relatieve verschillen in tests te analyseren en meerdere parameters te combineren", vervolgt Caligiore. "Zo zagen we dat de Mini-Mental State Examination-test effectiever is in het voorspellen van de ziekte van Alzheimer bij vrouwen, net als de test die het episodisch langetermijngeheugen (LDELTOTAL) beoordeelt, terwijl de test voor het verbale kortetermijngeheugen (AVTOT) relevanter is voor mannen. Met andere woorden, het systeem kan zeggen: 'Om een betere diagnose te stellen, is test X belangrijk bij mannen en test Y bij vrouwen.' Dit is een doorbraak in gepersonaliseerde diagnose." Opleidingsniveau, en daarmee cognitieve reserve, bleek ook een bepalende factor te zijn, met name voor vrouwen.

Een gepersonaliseerde en toegankelijke diagnose

Een onderscheidend element van het project is de ontwikkeling van een grafische interface genaamd EMA (ExplAIn Medical Analysis), waarmee artsen het systeem direct kunnen gebruiken. Voer simpelweg de scores van neuropsychologische tests in en het algoritme geeft een risicobeoordeling met een numerieke waarschijnlijkheid. "In de toekomst stellen we ons een eenvoudig systeem voor waarbij patiënten vragenlijsten krijgen, scores worden verzameld en de clinicus deze in de interface invoert", legt Caligiore uit. "Het systeem retourneert een getal: bijvoorbeeld '75% kans om binnen drie jaar Alzheimer te ontwikkelen'. Het is een voorspellende tool, zelfs nuttig voor proefpersonen die nog geen duidelijke symptomen vertonen." Vaak, benadrukt hij, stopt AI-onderzoek in het laboratorium. In plaats daarvan willen ze deze tool bruikbaar maken in de dagelijkse klinische praktijk, zodat de diagnose van Alzheimer tijdiger, eerlijker en minder ingrijpend kan worden gesteld.

Training met gegevens van Italiaanse patiënten

Het team werkt nu aan een nieuwe ontwikkelingsfase, gebaseerd op Italiaanse klinische gegevens. Deze stap is cruciaal om culturele vooroordelen te verminderen en het systeem aan te passen aan de kenmerken van de Europese bevolking. "Noord-Amerikaanse gegevens zijn erg nuttig, maar weerspiegelen een andere levensstijl dan de onze", concludeert Caligiore. "Daarom valideren we het algoritme nu met Italiaanse gegevens om de nauwkeurigheid te verhogen en een echt effectief systeem te bouwen, ook in onze zorgcontext."