Dr. Karolin Weigel

 

Der ischämische Schlaganfall ist die häufigste Ursache einer erworbenen motorischen Behinderung. Eine wichtige Fragestellung bei allen klinischen Entscheidungen über die weitere therapeutische Intervention ist die Risiko-Nutzen-Abwägung. Hierfür ist es von großer Bedeutung, eine Aussage von einer strukturellen Läsion auf die zu erwartenden Defizite zu erhalten. Bisherige Versuche die Läsionslokalisation oder die Läsionsgröße für derartige Vorhersagen zu nutzen, erbrachten schlechte Vorhersagemodelle (Honey et al. 2010).

Wesentliche Gründe sind hier die große Heterogenität der zu untersuchenden Population, aber auch die Tatsache, dass funktionelle Ausfälle nicht nur durch die Läsion an sich, sondern vor allem auch durch den Ausfall von mit dem Läsionsareal verbundenen Arealen bedingt werden.

Um diesen Einfluss zu analysieren, ist eine Information über die Faserverbindungen im menschlichen Gehirn notwendig. Gerade diese Information liefert das Human Connectome Projekt, das in den letzten Jahren eine große Menge an Daten über die Faserverbindungen im menschlichen Gehirn generiert hat.

In dem hier beantragten Projekt sollen zusammen mit der Arbeitsgruppe für strukturelle Bildgebung diese Verbindungsdaten genutzt werden, um eine probabilistische Aussage über zu erwartende Funktionsverluste in nicht direkt betroffenen, aber assoziierten Arealen zu erhalten.

Wichtiger Bestandteil des aktuellen Projektes ist die Frage, inwieweit die Kombination der Konnektomdaten mit Läsionen zur Vorhersage von klinischen Ausfallmustern und zur Prädiktion des langfristigen Outcomes auf individueller Ebene genutzt werden kann. Die Entwicklung der hierfür notwendigen Software erfolgt innerhalb des aktuellen Projektes in Zusammenarbeit mit der Arbeitsgruppe für strukturelle Bildgebung von Professor Gaser. In einem ersten Schritt soll die Software an einer Population von 199 Schlaganfallpatienten getestet werden.

Unsere Hypothesen sind:

I) Die Analyse von indirekt betroffenen Hirnarealen ermöglicht die genauere Vorhersage von klinischen Ausfallmustern im Vergleich zur reinen Vorhersage aus der Läsion.

II) Die hier entwickelte Methodik ermöglicht eine signifikante Verbesserung der Prädiktion des langfristigen Outcomes von Schlaganfallpatienten.

III) Die Methodik ermöglicht eine bessere Prädiktion der motorischen Lernfähigkeit verglichen mit dem Läsionsmuster.

Über die Bearbeitung dieser konkreten Hypothesen erlaubt das aktuelle Projekt zudem wesentliche Einblicke in die klinische Bedeutung der Konnektivitätsdaten für den klinischen Alltag. Perspektivisch kann die gleiche Technik auch für weitere Erkrankungen und Patientengruppen Anwendung finden, wie z.B. die MS oder auch vaskuläre Demenzformen.