News

Veröffentlicht: 17. Juli 2025

Früherkennung von Risikomustern noch vor Diagnose möglich

Eine aktuelle Studie, veröffentlicht in Nature Communications, zeigt, wie typische Abfolgen von Erkrankungen die Entstehung von Alzheimer begünstigen können. Im Gegensatz zu früheren Studien, die meist einzelne Risikofaktoren isoliert untersuchten oder nicht übertragbare Tierversuche nutzten, wählten die Forschenden einen anderen Ansatz. In der aktuellen Studie analysierten sie digitale Gesundheitsdaten und gewannen dadurch wichtige Erkenntnisse für Diagnose und Prävention.

Forschende der University of California, USA, haben umfangreiche Gesundheitsdaten von mehr als 24.000 Menschen mit Alzheimer aus dem University of California Health Data Warehouse ausgewertet. Mithilfe moderner Analyseverfahren und maschinellen Lernens konnten sie vier Hauptmuster von Krankheitsverläufen identifizieren: psychische Gesundheit, Enzephalopathie, leichte kognitive Beeinträchtigung und Gefäßerkrankung (1). Bei etwa 26 Prozent dieser Krankheitsverläufe zeigte sich eine klare zeitliche Reihenfolge – etwa Bluthochdruck, gefolgt von einer depressiven Episode –, die das Risiko für eine spätere Alzheimer-Diagnose signifikant erhöhte (1). Die Studie demonstriert, dass solche mehrstufigen Krankheitsverläufe, sogenannte Trajektorien, mit einem deutlich höheren Risiko für eine Alzheimer-Erkrankung verbunden sind als isolierte Vorerkrankungen (1).

Die Erkenntnisse wurden anschließend in einem großen, national repräsentativen Datensatz, der sogenannten All-of-Us-Kohorte, bestätigt (1). Damit konnte gezeigt werden, dass sich die beobachteten Muster auch über verschiedene Patientengruppen hinweg nachweisen lassen.

Die Studie zeigt, dass das Alzheimer-Risiko nicht allein anhand einzelner Erkrankungen oder Risikofaktoren beurteilt werden sollte. Entscheidend sind auch der zeitliche Verlauf und die Abfolge verschiedener gesundheitlicher Probleme. Die Ergebnisse verdeutlichen zudem die Bedeutung datengestützter, menschenbasierter Forschung. Anhand realer Krankheitsverläufe lassen sich komplexe Muster und zeitliche Zusammenhänge identifizieren, die in isolierten oder vereinfachten Modellen unentdeckt bleiben. Das gilt insbesondere auch für Tierversuche, die zentrale Aspekte komplexer menschlicher Erkrankungen – wie Alzheimer – nicht realistisch abbilden können. Gerade bei solchen vielschichtigen Erkrankungen ermöglichen menschenbasierte Ansätze tiefere Einblicke und eröffnen neue Perspektiven für eine gezieltere Früherkennung, Risikoabschätzung und die Entwicklung wirksamerer Präventionsstrategien.

Quelle

(1) Fu M et al. Identifying common disease trajectories of Alzheimer’s disease with electronic health records. eBioMedicine 2025; doi : 10.1016/j.ebiom.2025.105831