Personalisierte Medizin bei der Identifizierung präklinischer kognitiver Beeinträchtigungen. Entwicklung eines prädiktiven Risikomodells (DENDRITE)

Der „Umfassende Plan für Alzheimer und andere Demenzerkrankungen“ zeigt, dass mehr als 50 % der Fälle kognitiver Beeinträchtigungen (CI) in bevölkerungsbasierten Studien unentdeckt bleiben. Besonders auffällig ist der Wert bei leichten Demenzerkrankungen, von denen bis zu 90 % unerkannt bleiben. Ziel ist es, die kombinierte Kraft der Integration von klinischen, molekularen, proteomischen, genomischen, Pflege-, Sozial-, Umwelt- und Verhaltensdaten von Patienten zu nutzen und dabei fortschrittliche Techniken der künstlichen Intelligenz für die Datenverarbeitung und -analyse zu nutzen, um Vorhersagemodelle für die Datenverarbeitung und -analyse zu generieren präklinischer Nachweis von CI in der Bevölkerung im Alter von 55–70 Jahren.

Multizentrische, nicht-interventionelle, konvergente Beobachtungsstudie mit gemischten Methoden, mit einem prospektiven Beobachtungsdesignteil und einem qualitativen Designteil. Zufällig rekrutierte Stichprobe unter Nutzern des öffentlichen Gesundheitssystems an den teilnehmenden geografischen Standorten. Die Daten werden in 6 Regionen (Andalusien, Kastilien-Mancha, Katalonien, Valencia, Madrid und Baskenland) und ihren ländlichen und städtischen Primary Care (PC)-Netzwerken gesammelt.

Nicht institutionalisierte Probanden im Alter zwischen 55 und 70 Jahren, die PC-Zentren in den in die Studie einbezogenen Gebieten zugewiesen wurden, mit einer „lebenden Vorgeschichte“ (erfasst in den letzten 12 Monaten) und ohne gesicherte CI-Diagnose.

Eine deskriptive Analyse der Merkmale der Bevölkerung wird anhand von Häufigkeiten und Prozentsätzen oder Maßen der zentralen Tendenz und Streuung mit ihren 95 %-Konfidenzintervallen durchgeführt. Die soziodemografischen und klinischen Grundmerkmale werden verglichen, um die Homogenität der Stichprobe zu untersuchen. Für den Vergleich qualitativer Variablen wird der Chi-Quadrat-Test oder der exakte Fisher-Test verwendet und für den Vergleich quantitativer Variablen wird der t-Test oder Wilcoxon-Test verwendet. Es werden logistische Regressionsmodelle vorgeschlagen, um Gesundheitsergebnisfaktoren zu analysieren, die mit einer leichten kognitiven Beeinträchtigung verbunden sind. Alle Modelle umfassen wiederholte Messungen für jede Person. Alle Modelle werden sich an unterschiedliche Risikofaktoren anpassen. Für diejenigen Faktoren, die sich im Laufe der Zeit ändern können, wird die Wechselwirkung zwischen der Zeit und diesem Faktor untersucht.

Zunächst werden multivariate lineare latente Modelle für das Vorhersagemodell des kognitiven Beeinträchtigungsrisikos verwendet. Die Integration von Daten aus mehreren Informationsquellen erfolgt mithilfe multivariater probabilistischer Modelle, um eine Darstellung des Patienten in einem von allen Datenquellen (Besuchen) beeinflussten Merkmalsraum zu finden.

Web-Tools wie Ingenuity Pathway Analysis ermöglichen die Integration von Daten auf verschiedenen molekularen Ebenen (genetisch, Protein und Autoantikörper), während Tools für künstliche Intelligenz die Integration solcher Daten, von elektrochemischen Sensoren abgeleiteter Daten und von Daten im Zusammenhang mit klinischen und Verhaltensdaten ermöglichen mit kognitiver Beeinträchtigung, um ein Vorhersagemodell für kognitive Beeinträchtigung, Neurodegeneration und AD zu erhalten.