Gedächtnisverfall

Projekt: Physiologische Maße für die Prognose von Gedächtnisverfall
Was zwei Forschungsbereiche voneinander lernen können: Gedächtnisverfall bei  Temporallappen-Epilepsie und leichter kognitiven Störung

Beschreibung: Zwischen den beiden klinischen Störungsbildern, welche die Kernbereiche unseres Forschungsinteresses bilden, besteht eine gewisse Analogie: Die Temporallappen-Epilepsie (TLE) und die leichte kognitive Störung (LKS), die frühe Form der degenerativen Demenz, weisen ein gemeinsames, besonders beeinträchtigendes Symptom auf. Die Gedächtnisschwäche ist als größtes Problem der LKS bekannt. Sie ist aber auch einer der Hauptgründe für die niedrigere Lebensqualität von TLE-Patienten. Dieses gemeinsame Leitsymptom beider Erkrankungen schlägt nicht nur eine Brücke zwischen den beiden Störungen, sondern kann auch die Basis für eine wechselseitige Bereicherung der beiden Forschungsbereiche sein.
Besonders bei Patienten mit subjektiv berichteter Beeinträchtigung aber unnauffälligen Standardtestverfahren ist die Gedächtnisstörung schwer erfassbar. Dies ist bei frühen Formen der LKS und der TLE der Fall. Allerdings können Korrelate dieser nicht objektivierbaren Gedächtnisprobleme mit Hilfe von bildgebenden Verfahren und neurophysiologischen Untersuchungen identifiziert werden. Daraus leiten wir die beiden Hauptziele der Studie ab:

• Wir suchen nach einem gemeinsamen Muster hinsichtlich der Gedächtnisstörung bei TLE und LKS, was zum besseren Verständnis der Mechanismen der Beeinträchtigung führen soll. Dieses Ziel verfolgen wir durch den Vergleich dieser Gruppen anhand einer Reihe von physiologischen Maßen.
• Die Validität der Prognose des Gedächtnisverfalls soll verbessert werden. Hierzu wird eine multimodale Untersuchung der einzelnen Patienten unternommen

In dieser Studie werden Patienten mit LKS und mit rein subjektiven Beschwerden sowie Patienten in einem frühen und in einem späten, pharmakoresistenten Stadium der TLE untersucht. Am Beginn der Studie werden bei jedem Patienten neuropsychologische Tests u.a. zur Feststellung der Gedächtnisleistung, Ereignis-korrelierte Elektroenzephalographie (EEG) und Magnetresonanztomographie (MRI) durchgeführt. Die Daten der einzelnen Patienten werden mit innovativen Techniken verarbeitet und mit nicht-parametrischer Einzelsubjektstatistik evaluiert. Durch diese Verarbeitung gewonnene Kennzahlen werden zwischen den Patientengruppen und einer Gruppe gesunder Kontrollpersonen verglichen. Die Kennzahlen wurden aufgrund vorliegender Evidenz für prognostische oder diagnostische Validität in einer der beiden Störungen ausgewählt. Nach 1,5 Jahren wird mit neuropsychologischen Tests der Gedächtnisverfall gemessen. Um nun jene Kennzahlen bzw. jene Kombination von Kennzahlen aus MRI und/oder EEG mit der besten prognostischen Validität zu identifizieren, werden Support Vector Machines verwendet. Um den für die Prognose von Gedächtnisverfall am besten geeignetsten Algorithmus für maschinelles Lernen zu identifizieren, werden mehrere Klassifikatoren miteinander verglichen.

Finanzierung: FWF Projektförderung KLI12-B00

Nationaler Forschungspartner: Prof. Andreas Uhl, Fachbereich Computerwissenschaften, Universität Salzburg