Een nieuwe kunstmatige intelligentie (AI)-tool, StateViewer, maakt het mogelijk om met één FDG-PET-hersenscan negen verschillende vormen van dementie te onderscheiden. Deze innovatie, ontwikkeld aan de Mayo Clinic in Rochester, Verenigde Staten, kan de diagnostiek van neurodegeneratieve ziekten fundamenteel veranderen. StateViewer werd eind juni 2025 gepubliceerd in het tijdschrift Neurology door hoofdonderzoeker dr. David Jones, neuroloog aan de Mayo Clinic, en zijn team.
Wereldwijd leven ruim 55 miljoen mensen met dementie, en de druk op de zorg neemt toe door bijna 10 miljoen nieuwe gevallen per jaar. StateViewer biedt een oplossing door complexe FDG-PET-hersenscans te vertalen naar direct toepasbare, klinisch relevante inzichten, zelfs in settings waar specialistische neurologische expertise ontbreekt.
Het onderzoek was een retrospectieve analyse van FDG-PET-scans uit drie onderzoeksstudies en klinische data. De inclusiecriteria bestonden uit het beschikbaar zijn van een FDG-PET-scan binnen 2,5 jaar na diagnose van één van negen specifieke neurodegeneratieve syndromen, of een status als cognitief onaangedaan. De eerste onderzoeksgroep omvatte 3.671 individuen (gemiddelde leeftijd 68 jaar, 49% vrouw). Patiënten met neurodegeneratieve aandoeningen werden uit de klinische populatie gerekruteerd, terwijl cognitief gezonde deelnemers voornamelijk uit een populatiestudie kwamen. De primaire uitkomstmaat was de accuraatheid van het model in het onderscheiden van de negen fenotypen op basis van FDG-PET, met als secundaire uitkomst de bruikbaarheid in een klinische setting.
StateViewer behaalde een sensitiviteit van 0,89 (95% BI: ±0,03) en een area under the ROC-curve van 0,93 (95% BI: ±0,02) voor het herkennen van de negen neurodegeneratieve fenotypen. In een externe validatie met data van het Alzheimer’s Disease Neuroimaging Initiative bleef de prestatie van het model behouden. In een andere studie bleken clinici met StateViewer 3,3 (±1,1) keer meer kans te hebben op een correcte diagnose dan met alleen de standaardzorg. Bovendien interpreteerde de AI hersenscans bijna tweemaal zo snel als conventionele methoden.
De kracht van StateViewer ligt in de intuïtieve visualisatie: afwijkende patronen in glucosemetabolisme worden weergegeven op kleurgecodeerde hersenkaarten. Hierdoor kunnen ook zorgverleners zonder diepgaande neurologische scholing FDG-PET-scans interpreteren en subtypen van dementie onderscheiden, waaronder de ziekte van Alzheimer, Lewy-body-dementie en frontotemporale dementie. Dit verlaagt de drempel voor implementatie in eerstelijnszorg en kleinere klinieken. De verwachting is dat tijdige subtypeherkenning met deze tool de behandelstrategie en kwaliteit van leven aanzienlijk kan verbeteren, zeker nu er steeds meer behandelopties in ontwikkeling zijn.
Referentie
Naar boven
