Intelligenta digitala verktyg för screening av hjärnanslutning och demensriskbedömning hos personer som drabbats av lindrig kognitiv funktionsnedsättning (AI-Mind)

Syftet med denna studie är att validera ett AI-baserat riskbedömningsverktyg för ny klinisk neurologisk datahantering i fem kliniska centra (Oslo OUS, Helsingfors HUH, Madrid UCM, Rome IRCCS och Rome UCSC)). Idag löper cirka 50 % av patienterna med mild kognitiv funktionsnedsättning (MCI) risk att utveckla demens, och att tidiga risktecken inkluderar störningar i hjärnnätverket som ett uttryck för påbörjad synaptisk dysfunktion under utvecklingen av demens. Denna synaptiska dysfunktion kan registreras av elektrofysiologiska hjärnsignaler. AI-Mind Connector kommer att identifiera sådana störda hjärnnätverk baserat på EEG-teknik. Hjärnnätverksmönster identifieras bland andra matematiska möjligheter av grafteori. Klassisk maskininlärning och djupinlärningsmetoder för artificiell intelligens kommer att användas för att automatisera dessa hjärnnätverksidentifieringsprocesser i befintliga M/EEG-data.

Det andra utvecklade verktyget, AI-Mind Predictor, kommer att fungera som en berikad Connector, en multimodal prediktionsmetod för riskuppskattning av demens hos MCI-patienter. Förutom Connector-data är kognitiva testresultat, genetisk apolipoprotein E (APOE)-allel och P-Tau-proteinnivåinformation integrerade i AI-Mind Predictor. AI-Mind Predictor kommer att göra skillnad mellan personer som löper risk för ytterligare demensutveckling och personer som inte är i riskzonen. De förväntade högspecifika och känsliga AI-Mind Predictor-resultaten kommer att jämföras med state-of-the-art (SOA) metoder.

Den banbrytande utvecklingen och testningen av AI-Mind-modeller kommer att göras av tillgänglig anonymiserad och prospektiv pseudo-anonymiserad data som samlas in vid de 5 inkluderade kliniska centra. Slutlig anpassning, validering och utveckling av prototyp kommer att utföras av den härmed beskrivna insamlingen av prospektiva data för totalt 1000 MCI-patienter, baserat på standardiserade kliniska inklusions-/exkluderingskriterier listade nedan. Alla patienter kommer att underteckna ett informerat samtycke innan de går in i studien.

Patienterna kommer att följa AI-Mind-protokollet under en 2-årsperiod parallellt med SOA-uppföljningsprocedurerna vid varje sjukhus och land. Protokollet inkluderar repetitiva M/EEG-mätningar, digitaliserade kognitiva tester och vid första besöket ett blodprov för APOE-allel- och p-Tau 181-analyser. Vid två av våra kliniska centra (HUH och UCM) erbjuds dessutom klinisk MEG för specifik funktionsextraktion för modellering med ny EEG-baserad AI-Mind Connector-teknologi.

Viktigt är att AI-Minds nya datahanteringsprocedur endast kommer att använda befintliga väletablerade, globalt tillgängliga och billiga SOA-tekniker. Med AI-Minds nya databehandlingsmetod är målet att öka dagens låga prediktiva värde (<0,5) av SOA-förutsägelse av klinisk demens, och proaktivt välja ut, med högre noggrannhet än tidigare, MCI-patienter i riskzonen för att kunna få tidigare klinisk intervention. Därmed vill AI-Mind bidra till att fördröja demensutvecklingen genom att upptäcka risken redan vid första besöket när symtom uppstår.