Digitale Lösungen bei Alzheimer: Status quo und Perspektiven
Apps zur Kognitionsmessung oder Bildgebungsanalysen mithilfe Künstlicher Intelligenz (KI): Das sind nur zwei Beispiele digitaler Lösungen, die im Kontext der Alzheimer-Krankheit entwickelt werden [1-3]. Welche Chancen können moderne Technologien für die klinische Praxis bieten?
Von Prävention bis Studien: Digitale Lösungen bei der Alzheimer-Krankheit
Ob Depression, Migräne oder Schmerztherapie – in der Behandlung neurologischer und psychischer Krankheitsbilder haben sich inzwischen digitale Lösungen etabliert [4]. Wie sieht es damit bei der Alzheimer-Krankheit aus? Ein Blick in die aktuelle Literatur zeigt, welche digitalen Ansätze derzeit in der Entwicklung sind. Dabei geht es um unterschiedliche Technologien und Zielsetzungen, z. B. [1-3]:
Mobile Apps zur Frühdiagnostik von Demenzerkrankungen und zur kognitiven Prävention
Tragbare Sensoren (Wearables) zum Monitoring
KI-basierte Technologien zur Datenanalyse mit einem breiten Anwendungsgebiet, z. B. für klinische Studien
Digitale Konzepte zur Früherkennung und Prävention
Ein Entwicklungsschwerpunkt für digitale Lösungen im Bereich der Demenzerkrankungen sind mobile Anwendungen (z. B. Smartphone-Apps) zur Kognitionsmessung [1, 2]. App-gestützte Kognitionstests können als Ergänzung zur Demenzdiagnostik in einer Praxis oder Klinik einige Chancen bieten [1]:
Sie ermöglichen eine niederschwellige Diagnostik (kognitive Baseline-Bestimmung) und Verlaufsmessung kognitiver Störungen im häuslichen Umfeld der Betroffenen.
Sie sammeln Messwerte aus einem längerfristigen Diagnosezeitraum, was repräsentativere und verlässlichere Ergebnisse liefern könnte.
Sie können die Wirkung von Sekundärpräventionsmaßnahmen monitoren (kognitives Monitoring).
Denkbar wäre zudem, dass Apps eine wichtige Rolle in übergeordneten Versorgungkonzepten für Menschen mit einer leichten kognitiven Störung (mild cognitive impairment, MCI) spielen. So könnten andere Apps zur Lebensstilintervention die App-basierte Kognitionsmessung ergänzen und die Sekundärprävention unterstützen [1].
Kognitionsmonitoring mit tragbaren Sensoren
Ergänzend zu den beschriebenen Smartphone-Apps können tragbare Sensoren (Wearables) verschiedene Daten erfassen, die Rückschlüsse auf die Kognition und Alltagsfähigkeiten eines Menschen ermöglichen. Mithilfe von Sprachrekordern, Kameras und Bewegungssensoren lassen sich Veränderungen der Stimme, der Mobilität und des Verhaltens feststellen. Perspektivische Anwendungsgebiete sind z. B. das Monitoring des Therapieansprechens oder die Differenzierung von Erkrankungsstadien. Diese Technologien sind jedoch erst in der Entwicklung [2].
Sechs potenzielle Anwendungsmöglichkeiten für KI-basierte Technologien
Neben Apps und Sensoren werden derzeit verschiedene KI-basierte Lösungen im Zusammenhang mit der Alzheimer-Krankheit entwickelt. Dabei soll es generell um den Erkenntnisgewinn mithilfe der KI-gestützten Analyse großer Datenmengen gehen [3].
Diagnostik
KI-Technologien könnten möglicherweise die frühe Diagnose einer MCI bzw. der Alzheimer-Krankheit unterstützen:
Analyse von Bildgebungsdaten durch z. B. Abgleich mit relevanten Bilddatenbanken (frühe Identifikation pathologischer Strukturen)
Analyse klinischer Daten und neurologischer Tests (Scores) zur Risikoschätzung
Klassifikation von Erkrankungsstadien anhand von Bildgebungsdaten sowie den Ergebnissen kognitiver und neurologischer Tests
Auswertung anderer Datenquellen (Sprachrekorder, Netzhaut-Bildgebungen, genetische Daten) zur Früherkennung einer MCI
Prävention
Eine KI-gestützte Analyse verschiedener klinischer Daten könnte Menschen mit einem hohen Risiko für die Alzheimer-Krankheit identifizieren. So wäre es möglich, Hochrisiko-Patientinnen und -Patienten frühzeitig und gezielt Präventionsmaßnahmen anzubieten.
Therapie
KI-Technologien könnten
anhand klinischer Daten die für eine Person wirksamste Therapie ermitteln.
mit Chatbots und virtuellen Assistenzsystemen die Therapie unterstützen.
große Datenmengen aus der klinischen Praxis und aus Studien analysieren, um neue Therapieoptionen zu finden.
die Entwicklung neuer Substanzen unterstützen (generative KI).
Monitoring
KI-Technologien könnten mithilfe von Sensordaten das Monitoring von Patientinnen und Patienten übernehmen. Die Algorithmen könnten Verhaltensänderungen und Symptome identifizieren oder Notfallsituationen erkennen, wie beispielsweise einen Sturz.
Grundlagenforschung
Mithilfe der KI-basierten Analyse umfangreicher „Omics“-Daten könnten bisher nicht bekannte Pathomechanismen, Biomarker oder therapeutische Zielstrukturen (Targets) der Alzheimer-Krankheit identifiziert werden. Der Oberbegriff „Omics“ schließt verschiedene Datenquellen ein – darunter Genomics, Epigenomics, Transcriptomics, Proteomics und Metabolomics.
Klinische Studien
KI könnte zudem beim Design und der Durchführung klinischer Studien unterstützen:
Identifikation und Auswahl von Studienteilnehmenden anhand umfangreicher klinischer Daten (Reduktion des Screening-Aufwands und des Risikos von Screening-Fehlern)
Analyse von Studiendaten
Komplexe Modellierungen (Simulationsrechnungen), um die am besten geeigneten Studienvariablen zu finden.
Was sagt die S3-Leitlinie Demenzen zu digitalen Lösungen?
Die aktuelle S3-Leitlinie Demenzen erwähnt digitale Technologien zweimal und spricht derzeit noch keine Empfehlungen dafür aus [6]:
Analyse von Bildgebungsdaten (Empfehlung 38): „Es wird nicht empfohlen, automatisierte Analyseverfahren für die strukturelle MRT als einzige Methode ohne radiologisch-visuelle Befundung im Rahmen der Demenzdiagnostik einzusetzen.“ Begründung: Zwar würde in vielen Studien eine Gleichwertigkeit oder Überlegenheit der automatisierten Verfahren im Vergleich mit der visuellen Diagnostik beschrieben. Allerdings fehlen sowohl Studien zur Anwendung in der klinischen Praxis als auch Standardverfahren [6].
Kognitive Trainingsprogramme (Empfehlung 53): „Wir schlagen keine Anwendung von selbst durchgeführten, computerbasierten kognitiven Trainingsprogrammen für Menschen mit Demenz vor.“ Begründung: Die Leitliniengruppe hatte das Institut für Qualität und Wirtschaftlichkeit (IQWiG) mit einer Evidenzanalyse beauftragt. Demnach zeige die Studienlage keinen sicheren Nutzen dieser Programme. Allerdings bestehe auch kein Schadensrisiko. Die Leitlinienautorinnen und -autoren weisen zudem darauf hin, dass die Entwicklung in diesem Bereich sehr dynamisch sei und die Trainings kontinuierlich weiterentwickelt werden [6].
Literatur
Düzel E, Thyrian JR. Mobile, alltagsnahe digitale Technologien für die Prävention der Alzheimer-Demenz: kognitive Gesundheit und kognitive Sicherheit. Nervenarzt 2023; 94: 400–407. doi: 10.1007/s00115-023-01478-4
Lott SA, et al.: Digital Health Technologies for Alzheimer's Disease and Related Dementias: Initial Results from a Landscape Analysis and Community Collaborative Effort. J Prev Alzheimers Dis. 2024;1 1(5): 1480-1489. doi:10.14283/jpad.2024.103
Angelucci F, et al.: Integrating AI in fighting advancing Alzheimer: diagnosis, prevention, treatment, monitoring, mechanisms, and clinical trials. Curr Opin Struct Biol. 2024; 87: 102857. doi:10.1016/j.sbi.2024.102857
Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM). DiGA-Verzeichnis, verfügbar unter: https://diga.bfarm.de/de/verzeichnis, Zugriff am 16.12.2024.
neotiv GmbH. Wie funktioniert neotivCare? Verfügbar unter: https://neotiv-care.com/patientenbereich/neotivcare/#c222 Zugriff am 16.12.2024.
DGN e. V. & DGPPN e. V. (Hrsg.) S3-Leitlinie Demenzen, Version 4.0, 8.11.2023, verfügbar unter: https://register.awmf.org/de/leitlinien/detail/038-013, Zugriff am 16.12.2024.
PP-AD-DE-0486