An Alzheimer-Krankheit leiden etwa 50 Millionen Menschen, eine Zahl, die sich bis 2030 voraussichtlich verdoppeln wird. Das Ziel dieses Projekts war es, die Korrelation zwischen neuropsychiatrischen Symptomen und Darmmikrobiomwerten zu analysieren. Es wurde ein maschinelles Lernmodell erstellt werden, um kognitiv beeinträchtigte Patienten zu klassifizieren. Das Modell ist auf der Softwareplattform Modulos.ai erstellt und kritisch evaluiert worden.
R, Python, Modulos.ai software, Data Centric AI, Machine Learning
Für dieses Projekt wurden Untersuchungsdaten des Neuropsychiatrischen Inventars (NPI) und Darmmikrobiom-Werte aus der Alzheimer's Disease Neuroimaging Initiative (ADNI) verwendet. Der Schwerpunkt lag auf die Datenvor- und -verarbeitung, die zur Entdeckung von Beziehungen zwischen Variablen wie Alter, Geschlecht, Bildung, kognitiven Fähigkeiten, Darmmikrobiom, Bluttests und Schlaftests führten. Es wurden explorative Analysen durchgeführt, um die Beziehungen zwischen Schlafstörung und Darmgesundheit zu erforschen. Als nächstes wurde analytisch getestet, ob Schlafstörungen und Darmbakterien einen Zusammenhang mit der Alzheimer Diagnose haben. Mit der Software Modulos.ai verschiedene Klassifikationsmodelle entwickelt, um die analytischen Erkenntnisse zu bestätigen.
Anhand der Schlafanalyse lässt sich feststellen, dass neuropsychiatrische Symptome (NPS) bei leichten kognitiven Beeinträchtigungen (MCI) und der Alzheimer-Krankheit (AD) häufig sind. Der NPI-Score stieg mit dem Schweregrad der Krankheit an. Gleichgültigkeit, Reizbarkeit und Schlafqualität zeigten sich als wichtige Indikatoren für eine neuropsychiatrische Erkrankung.
Signifikante Unterschiede wurden bei den Aminosäuren festgestellt. Die Gallensäuren zeigten ebenfalls eine gewisse Übereinstimmung mit der Suche. Das Profil der kurzen Fettsäuren bestätigte die Erwartung, dass die Ameisensäure bei kognitiv beeinträchtigten Personen erhöht sein wird. Ameisensäure wurde kürzlich als Biomarker für eine frühe Alzheimer-Erkrankung vorgeschlagen, eine Tatsache, die auch durch unsere Daten bestätigt wird.
Mithilfe der analytischen Erkenntnisse wurde ein Klassifizierungsmodel entwickelt. Mit einer Genauigkeit von 95 % kann die Vorhersage der Diagnosen der Patienten auf Grundlage der ausgewählten Metaboliten in Kombination mit den neu berechneten NPI-Werten gemacht werden.
Zusammenfassend lässt sich sagen, dass die ausgewählten Metaboliten Cholinsäure, Valin, Beta-Alanin, Valeriansäure, Ameisensäure und Desoxycholinsäure sowie die neu berechneten Daten der neuropsychiatrischen Inventaruntersuchung als Biomarker für die Alzheimer-Krankheit verwendet werden können.
| Projekttyp: | Projekt 5 (P5) |
| Projektdauer: | 19.09.2022 bis 20.01.2023 |
| Teamgrösse: | 1 Person |
| Aufwand pro Person: | 180 Stunden |
Prof. Dr. Arzu Çöltekin
Institute Director
Principal investigator / Lecturer in HCI, Visualization, Extended Reality
Bahnhofstrasse 6
5210 Windisch
Tel: +41 56 202 84 73
| Kajenthini Kobivasan | kajenthini.kobivasan@students.fhnw.ch |
| Leticia Fernández Moguel | leticia.fernandezmoguel@fhnw.ch |
| Kevin Schawinski | kevin.schawinski@modulos.ai |
