Brain connectivity: the missing link between amyloid and clinical symptoms.
Projectomschrijving
Doel
Het doel van dit project was om het verloop van de ziekte van Alzheimer te voorspellen op basis van hersenconnectiviteit. Met deze kennis kunnen patiënten en hun mantelzorgers een beter toekomstig zorgplan maken.
Aanleiding
Op dit moment is er nog geen effectieve behandeling voor de ziekte van Alzheimer. Een obstakel in het vinden van een medicijn is dat we niet goed weten hoe de hersenstructuur achteruitgaat tijdens het ontwikkelen van een dementie. Door de hersenstructuur te onderzoeken in een heel vroeg stadium van de ziekte van Alzheimer, voordat iemand dementie krijgt, en deze patiënten te volgen in de tijd is het mogelijk om het verval van de hersenen in kaart te brengen.
Aanpak
Met dit onderzoek hebben we de hersenstructuur met een nieuwe techniek gemeten, waarbij we de hersenen als een netwerk beschouwen. Hersengebieden zijn met elkaar verbonden, zoals vrienden in een sociaal netwerk. Via deze verbindingen wordt informatie verwerkt door de hersenen. Om goed te functioneren, moet deze informatie optimaal uitgewisseld worden. De ziekte van Alzheimer verbreekt hersenconnecties. Zo wordt de informatieverwerking verstoord. Hersenconnectiviteit kan gemeten worden met behulp van een MRI-scan. Met deze methode hebben we onderzocht of een afname van hersenconnectiviteit samenhangt met klinische achteruitgang in de ziekte van Alzheimer. Tevens hebben we onderzocht of hersenconnectiviteit kan voorspellen welke hersengebieden in de toekomst sneller zullen afsterven.
Resultaten
In dit onderzoek hebben we verschillende aanwijzingen gevonden dat hersenconnectiviteit van belang is voor normal cognitief functioneren. We hebben eerst gevonden dat mensen met een verstoord hersennetwerk een tot 3 keer zo hoge kans hebben om een dementie te ontwikkelen. Deze verstoringen voorspellen ook achteruitgang in specifieke aspecten van mentale processen, namelijk: een snellere achteruitgang in het geheugen, executief functioneren en aandacht. Verder hebben we gevonden dat hersennetwerken van mensen in een voorstadium van de ziekte van Alzheimer sneller connecties verliezen, en dat de mate dit verlies nauw samenhangt met achteruitgang in geheugen. In het laatste deel van ons onderzoek, hebben we gevonden dat het aantal connecties van een specifiek hersengebied de ‘precuneus’, kan voorspellen welke andere hersengebieden sneller zullen afsterven.
Ons onderzoek geeft meer inzicht in de allereerste veranderingen van hersenstructuur door de ziekte van Alzheimer, en dat deze veranderingen samen hangen met een snellere achteruitgang in het denkvermogen. Deze resultaten geven aan dat hersenconnectiviteit mogelijk kan helpen met het geven van een prognose.
Vervolg
Om vervolg te geven aan het project, ontving het een VIMP-subsidie ten bate van Verspreiding- en Implementatie. Dit project heeft als titel: Toepassen van hersennetwerken als maat voor ziektebeloop in de klinische praktijk
Meer informatie
- Hersenverbindingen voorspellen het risico op dementie-ontwikkeling - interview Betty Tijms
- Voorspellen van alzheimer door te kijken naar hersenverbindingen - lees de blog
- Grey matter network markers identify individuals with prodromal Alzheimer’s disease who will show rapid clinical decline - artikel in Brain Communications
- Een zorgvuldige en tijdige diagnose en prognose voor mensen met dementie
- Bekijk meer informatie over dementie
Verslagen
Eindverslag
Samenvatting van de aanvraag
Accumulation of amyloid is among the first changes leading to Alzheimer’s disease (AD). But, amyloid accumulation does not predict cognitive decline. This has hampered the search for a cure. A novel view is needed to understand how and why brain areas become dysfunctional. I propose to focus on brain connectivity. Brain areas are like friends: they connect to communicate. Small lesions in the brain’s connectivity can cause unexpected, widespread disruptions in brain function. Brain connectivity can be measured in vivo with magnetic resonance imaging (MRI) techniques. Other labs and I have found that brain connectivity deteriorates in Alzheimer’s disease, and that these disruptions predict cognitive decline cross-sectionally. Thus, brain connectivity shows promise to track disease progression. My aim is to model decline and improvement of brain connectivity in Alzheimer’s disease. I have two key objectives: 1. Model the longitudinal relationship of decline in brain connectivity and cognitive decline. 2. Predict future atrophy with brain connectivity. Brain connectivity will be measured in single-subjects grey matter structural MRI, with a technique that I have invented during my PhD in the United Kingdom. The conceivable outcomes of this study are: 1. brain connectivity as a marker that can track disease progression in AD, 2. prediction model for future atrophy. Being able to predict when a patient will become demented is essential for treatment development. Prognostic information can be used to create more homogenous groups and so maximise treatment effects. Prognostic information will also help patients and caregivers with disease management planning, thereby improving their quality of life.