Ähnliche Geister altern ähnlich: Ein MRI-Ähnlichkeitsansatz zur Vorhersage altersbedingter kognitiver Verschlechterung

Warum diese Forschung für alternde Gehirne wichtig ist

Viele Menschen fürchten, im Alter ihr Gedächtnis oder ihre Denkfähigkeiten zu verlieren, während andere geistig bis in ihre 80er Jahre fit bleiben. Diese Studie stellt eine einfache, aber kraftvolle Frage: Lassen sich aus Routine-MRT-Aufnahmen der Gehirnstruktur diejenigen identifizieren, die normal altern, und diejenigen, bei denen ein erhöhtes Risiko für zukünftige kognitive Probleme besteht? Die Forschenden führen einen neuen Blick auf Standard-Gehirnbilder ein, der offenbar die frühesten subtilen Veränderungen des Alterns erkennt — deutlich früher, als dies mit herkömmlichen Gehirnscans normalerweise möglich ist.

Eine neue Methode zum Vergleichen von Gehirnregionen

Die meisten Gehirnscans, die zur Untersuchung des Alterns verwendet werden, konzentrieren sich entweder auf die "Verdrahtung", die Regionen verbindet (anatomische Konnektivität aus Diffusions-MRT), oder darauf, wie Regionen über die Zeit gemeinsam aktiviert werden (funktionelle Konnektivität aus Ruhe-fMRI). Beide Ansätze haben unser Verständnis des Alterns vertieft, sind aber technisch anspruchsvoll, rauschanfällig und nicht immer in Routinelabors praktikabel. Die Autorinnen und Autoren wenden sich stattdessen einer einfacheren Aufnahme zu: dem standardmäßigen strukturellen MRT, das die graue Substanz zeigt, das Gewebe, in dem Zellkörper von Nervenzellen liegen. Sie messen, wie ähnlich oder unterschiedlich Gehirnregionen in ihren Mustern des grauen Substanzvolumens sind und bauen daraus sogenannte Grau­substanz-Ähnlichkeitsnetzwerke. Anstatt nur zu fragen, wie dick oder groß jede Region ist, fragt diese Methode, wie sehr sich jede Region statistisch jeder anderen ähnelt und erzeugt so eine Karte struktureller Beziehungen im ganzen Gehirn.

Von jugendlichen Mustern zu individuellen Gehirn-Fingerabdrücken

Um diese Idee in ein praktisches Werkzeug zu verwandeln, erstellte das Team zunächst ein Referenznetzwerk aus jungen Erwachsenen, deren Gehirne ein "typisches" jugendliches Muster repräsentieren. Für jede ältere Teilnehmerin bzw. jeden älteren Teilnehmer erzeugten sie dann eine leicht veränderte Version dieses jugendlichen Netzwerks, indem sie die Personendaten hinzufügten und maßen, wie sich die Verbindungen zwischen Regionen veränderten. Die Differenz zwischen Referenz- und neuem Netzwerk wird zu einer persönlichen Abweichungskarte und zeigt praktisch, wie weit die Gehirnorganisation jeder Person vom jugendlichen Muster abgewichen ist. Dieser Ansatz, getestet in mehr als 800 gesunden Erwachsenen im Alter von 18 bis 88 Jahren in zwei unabhängigen Kohorten, bleibt recheneffizient und beruht dabei auf einer einzigen, weit verbreiteten MRT-Messgröße: dem Volumen der grauen Substanz.

Frühere und stärkere Signale des Gehirnalters

Als die Forschenden drei verschiedene Netzwerktype—anatomische, funktionelle und Grau­substanz-Ähnlichkeit—mit fortgeschrittenen Graph-Neural-Networks das Alter einer Person "raten" ließen, schnitten die Grau­substanz-Ähnlichkeitsnetzwerke durchweg am besten ab. Sie sagten das Alter genauer voraus als sowohl anatomische als auch funktionelle Konnektivität und sogar besser als einfache Maße des Verlusts grauer Substanz. Wichtig ist, dass sich Marker aus der Grau­substanz-Ähnlichkeit bereits Anfang 30 zu verändern begannen, während anatomische Netzwerke erst in den 40ern deutlich veränderten und funktionelle Netzwerke hauptsächlich nach Ende 50 sichtbar wurden. Das spricht dafür, dass die neue Methode sehr frühe, subtile Veränderungen in der strukturellen Beziehung zwischen Gehirnregionen erfasst, lange bevor konventionelle Maße klaren Abbau zeigen. Dasselbe Muster zeigte sich, als die Autorinnen und Autoren prüften, wie gut jedes Netzwerk Leistungen in Gedächtnis-, Sprach-, Bewegungs-, Emotions- und Exekutivaufgaben erklärte: Grau­substanz-Ähnlichkeitsmerkmale waren bei weitem am aussagekräftigsten.

Verbindungen zu Gehirnzellen und Denkfähigkeiten

Tiefer gehend fanden die Forschenden, dass die am stärksten betroffenen Regionen in den Grau­substanz-Ähnlichkeitsnetzwerken tendenziell bestimmte mikroskopische Gewebemerkmale gemeinsam hatten, vor allem solche, die mit den kortikalen Schichten II und III verbunden sind. Diese Schichten kommen häufig in sogenannten Assoziationskortizes vor—Bereiche, die Informationen integrieren und komplexes Denken unterstützen. Man nimmt an, dass sie anfälliger für Alterungsprozesse sind. Im Gegensatz dazu waren traditionellere Konnektivitätsmaße am stärksten in primären sensorischen Arealen betroffen. Die Veränderungen der Grau­substanz-Ähnlichkeit scheinen daher biologisch bedeutsame Verschiebungen in der zellulären Architektur des Gehirns widerzuspiegeln und nicht nur allgemeine Schrumpfung. Als alle drei Netzwerktype zu einem multimodalen Modell kombiniert wurden, verbesserten sich die Vorhersagen weiter, doch der Großteil des zusätzlichen Informationsgewinns stammte weiterhin aus der Grau­substanz-Ähnlichkeitskomponente.

Was das für Gehirngesundheit und die Zukunft bedeutet

Alltagsgemäß zeigt diese Studie, dass die Ähnlichkeit, mit der verschiedene Teile Ihres Gehirns in einer Routine-MRT zueinander aussehen, darauf hinweisen kann, wie Ihr Gehirn altert — oftmals Jahre bevor offensichtlichere Schäden auftreten. Grau­substanz-Ähnlichkeitsnetzwerke liefern eine Art Frühwarnkarte der Gehirnorganisation, die sowohl Alter als auch kognitive Fähigkeiten eng verfolgt und gegenüber vielen individuellen Unterschieden robust bleibt. Obwohl diese Arbeit querschnittlich ist und in Langzeitstudien bestätigt werden muss, weist sie auf einen praktischen, biologisch fundierten Marker hin, der eines Tages Ärztinnen und Ärzten helfen könnte, Personen mit Risiko für altersbedingte kognitive Verschlechterung oder neurodegenerative Erkrankungen früher zu identifizieren, wenn Prävention und Behandlung am wirkungsvollsten sein könnten.

Zitation: Zufiria-Gerbolés, B., Sun, J., Pineda, J. et al. Similar minds age alike: an MRI similarity approach for predicting age-related cognitive decline. npj Aging 12, 39 (2026). https://doi.org/10.1038/s41514-026-00345-1

Schlüsselwörter: Gehirnalterung, MRT, kognitive Verschlechterung, Gehirnnetzwerke, neuroimaging Biomarker