Mathijs Rosbergen

Dementie is een complex syndroom dat wordt gekarakteriseerd door een progressieve cognitieve achteruitgang die het dagelijks leven van een individu beïnvloedt. Door de vele mogelijke oorzaken en trajecten van de ziekte is voorspelling van dementie een uitdaging. Daarnaast wordt dementie vaak niet opgemerkt in de vroege stadia. Het aantal mensen met dementie neemt toe, met wereldwijd 57 miljoen mensen met dementie, waaronder 310.000 in Nederland.

Vroege identificatie van individuen met een hoog risico op dementie is cruciaal voor het verbeteren van behandelingen en het aangaan van preventieve strategieën. Geavanceerde magnetische resonantiebeeldvorming (MRI) technieken en machine learning-methoden bieden veelbelovende handvatten voor het detecteren van vroege hersenveranderingen en het identificeren van nieuwe voorspellers voor dementie. Ondanks de ontwikkeling van dementievoorspellingsmodellen, is hun implementatie in de klinische praktijk beperkt. Het doel van dit proefschrift was daarom het onderzoeken van de rol van MRI in het identificeren van individuen met een hoog risico op dementie, het beoordelen van hoe neuro-beeldvorming de prestaties van dementievoorspellingsmodellen kan verbeteren, en het verkennen van strategieën voor de implementatie van dergelijke modellen in de klinische praktijk.

Het doel van Hoofdstuk 2 was het bestuderen van de rol van witte stof beeldvorming markers in het beoordelen en voorspellen van de hersengezondheid bij oudere volwassenen. Hoofdstuk 2.1 toont aan dat machine learning kan worden toegepast om verschillende witte stof patronen te ontrafelen met behulp van multimodale hersen-MRI. Patronen met een slechte hersenstructuur vertoonden een hogere prevalentie van cardiovasculaire risicofactoren, lacunes en microbloedingen. Daarnaast heb ik aangetoond dat deze patronen geassocieerd zijn met verschillende risico's voor dementie, beroerte en mortaliteit. Modellen met deze patronen presteerden ook beter dan modellen die slechts één beeldvorming marker voor dementie en mortaliteit gebruikten.

In Hoofdstuk 2.2 vergeleek ik de voorspellende waarde van meerdere diffusie-MRI markers van de hersenen voor cognitieve achteruitgang en het risico op dementie. Ik liet zien dat de peak-width skeletonized mean diffusivity (PSMD) en mean diffusivity (MD) een betere model fit en discriminerende waarde hadden voor het risico op dementie, vergeleken met andere diffusiematen. Voor cognitieve achteruitgang bleek PSMD de optimale voorspeller te zijn, wat aangeeft dat PSMD de voorkeur heeft als maat voor de structurele integriteit van witte stof bij de voorspelling van cognitieve achteruitgang en dementie.

Hoofdstuk 3 richt zich op grijze stof als indicator voor het risico op dementie. In Hoofdstuk 3.1 focuste ik op de grootte van verschillende subcorticale grijze stof structuren en hun associatie met het vijfjarige dementierisico. Deelnemers met subjectieve cognitieve achteruitgang of milde cognitieve stoornissen uit twee geheugenpoli cohorten en één populatie cohort werden in deze studie opgenomen. Ik toonde aan dat een kleinere hippocampus en amygdala consistent geassocieerd waren met een verhoogd risico op dementie bij mensen met subjectieve cognitieve achteruitgang of milde cognitieve stoornissen, onafhankelijk van andere subcorticale grijze stof structuren. Dit onderstreept het potentieel van deze structuren voor dementievoorspelling in de klinische praktijk.

Terwijl Hoofdstuk 3.1 zich richt op subcorticale grijze stof, draait Hoofdstuk 3.2 om de dikte van specifieke corticale grijze stof regio's en de associatie met het risico op dementie. Deze nieuwe neuro-beeldvorming marker vertoonde sterke associaties met het risico op dementie in een eerdere studie en ik onderzocht deze associatie binnen het Erasmus Rijnmond Gezondheids Onderzoek (ERGO). Hoewel de beeldvorming marker werd geassocieerd met het risico op dementie, overtrof het niet het hippocampale volume voor het stratificeren van het dementierisico. Dit benadrukt het belang van replicatiestudies bij het vaststellen van robuuste biomarkers voor dementievoorspelling.

Hoofdstuk 4 belicht de perspectieven van het publiek ten aanzien van dementievoorspelling en de ontwikkeling van deze voorspellingsmodellen. In Hoofdstuk 4.1 combineerde ik kwalitatieve en kwantitatieve onderzoeksmethoden om de verschillende opvattingen over dementievoorspelling in de algemene bevolking te bepalen. Ik toonde aan dat er een aanzienlijke groep mensen is die hun dementierisico wil weten. Daarnaast bleek dat een familiegeschiedenis van dementie een van de belangrijkste factoren was voor het wel willen weten van hun dementierisico, terwijl angst en het ontbreken van effectieve interventies de belangrijkste redenen waren voor degenen die liever niet hun dementierisico wilden weten. Bovendien, hoewel er een grote variëteit was in hoe individuen hun dementierisico waarnamen, gaven de meeste mensen aan dat ze hun risico relatief hoog inschatten.

Deze inzichten vormden de basis voor de ontwikkeling van de dementievoorspellingsmodellen in Hoofdstuk 4.2. Dit onderzoek includeerde individuen ouder dan 60 jaar zonder dementie, die ofwel subjectieve geheugenklachten of een familiegeschiedenis van dementie hadden. Ik ontwikkelde twee voorspellingsmodellen: een basismodel met gemakkelijk toegankelijke voorspellers, geschikt voor eerstelijnszorg, en een uitgebreid model met geavanceerde voorspellers, waaronder neuropsychologische beoordeling, genetica en hersenbeeldvorming, ontworpen voor gebruik in een geheugenkliniek. Beide modellen behaalden een goede discriminatie voor de voorspelling van dementie op 5 jaar en 10 jaar, vergeleken met modellen die alleen op leeftijd waren gebaseerd. De kalibratie toonde een onderschatting van de absolute risico's. De toevoeging van cognitieve, genetische en beeldvormingsgegevens verbeterde de discriminatie niet substantieel, maar leidde wel tot een iets betere kalibratie binnen 5 jaar, in vergelijking met het basismodel. Bovendien kunnen deze geavanceerde voorspellers bijdragen aan het verder verfijnen van risicoschattingen binnen risicogroepen.

Tot slot, in Hoofdstuk 5, heb ik mijn belangrijkste bevindingen samengevat binnen een bredere context en belangrijke methodologische overwegingen besproken. Ik heb ook de implicaties van mijn bevindingen besproken en richtingen voor toekomstig onderzoek gepresenteerd om onze kennis over imaging markers voor dementievoorspelling verder te verbeteren. Daarnaast reflecteert dit hoofdstuk op hoe dementievoorspellingsmodellen succesvol kunnen worden geïmplementeerd in de klinische praktijk, en hoe ze bij zouden kunnen dragen aan de ontwikkeling van preventiestrategieën en gerichte behandelingen voor dementie.