Een diep gezamenlijk-lerend proteomica-model voor de diagnose van zes aandoeningen geassocieerd met dementie

Waarom een eenvoudige bloedtest voor hersengezondheid ertoe doet

Dementie is geen enkele ziekte maar een familie van hersenaandoeningen die vaak overlappen, waardoor diagnose traag, kostbaar en onzeker kan zijn. Deze studie stelt een hoopvolle vraag: zou een enkele bloedtest, geïnterpreteerd door kunstmatige intelligentie, artsen kunnen helpen meerdere verschillende hersenaandoeningen die met dementie samenhangen tegelijk op te sporen, lang voordat ernstig geheugenverlies optreedt?

Een bloedmonster omzetten in een momentopname van hersengezondheid

De onderzoekers bouwden een systeem genaamd ProtAIDe-Dx dat kijkt naar duizenden eiwitten die in iemands bloed circuleren en deze gebruikt om de kans te schatten op zes aandoeningen die met dementie samenhangen: de ziekte van Alzheimer, de ziekte van Parkinson, frontotemporale dementie, amyotrofische laterale sclerose, een eerder doorgemaakte beroerte of TIA en normale cognitie. In plaats van de hersenen te scannen of hersenvocht te verzamelen, leunt de benadering op een standaard bloedafname en een laboratoriumtechniek die meer dan 7.000 eiwitten tegelijk kan meten. Een deep-learningmodel wordt vervolgens getraind om patronen in deze eiwitten te herkennen die vaak voorkomen bij mensen met elke aandoening.

Hoe goed de bloedgebaseerde AI-test presteert

Het team trainde en testte ProtAIDe-Dx op bloedmonsters van meer dan 17.000 mensen verzameld op 19 locaties wereldwijd. Het systeem zag tijdens de training nooit informatie over leeftijd, geslacht, kliniek, diagnose of denkprestaties; het gebruikte alleen de eiwitpatronen. Desondanks onderscheidde het in de meeste gevallen mensen met bepaalde ziekten correct van gezonde controles. De nauwkeurigheid was het hoogst voor amyotrofische laterale sclerose en de ziekte van Parkinson, waar de gebalanceerde classificatie boven de 90 procent lag, en bleef voor alle zes aandoeningen boven de 70 procent. De modelscores voor de ziekte van Alzheimer correleerden met bekende risicofactoren: mensen met meer kopieën van het APOE ε4-risicogen en degenen met slechtere geheugentesten kregen doorgaans hogere Alzheimer-waarschijnlijkheden.

Verborgen mengvormen van hersenziekten blootleggen

Aangezien ProtAIDe-Dx voor elk van de zes aandoeningen een waarschijnlijkheid uitzet, kan het mensen signaleren van wie de bloedpatronen wijzen op meer dan één onderliggend probleem. Wanneer de onderzoekers elke persoon uitzetten op een kaart gedefinieerd door deze waarschijnlijkheden, ontstonden clusters die klinische diagnoses weerspiegelden maar ook belangrijke overlappen onthulden. Bijvoorbeeld, sommige mensen die als Alzheimer werden aangemerkt, vielen in regio’s die werden gedomineerd door beroerte- of Parkinson-patronen, en een subgroep met amyotrofische laterale sclerose lag dicht bij frontotemporale dementie. Deze groepen toonden onderscheidende klinische kenmerken en eiwitsignaturen, wat wijst op gemengde of atypische ziektebiologie die traditionele diagnoses missen. Het model kon ook eiwitnetwerken markeren die samenhangen met algemene hersenweerbaarheid of kwetsbaarheid, niet alleen met één enkele aandoening.

Het hulpmiddel testen in een geheugenkliniek in de praktijk

Vervolgens probeerden de wetenschappers ProtAIDe-Dx in een onafhankelijke geheugenkliniekcohort van bijna 1.800 mensen, waar gedetailleerde hersenscans en ruggenmergvochtmetingen beschikbaar waren. Hoewel de gegevens van deze kliniek niet werden gebruikt om het systeem te trainen, kwamen de waarschijnlijkheden nog steeds overeen met vele ziekte‑specifieke hersenmarkers. Hogere beroerte‑achtige waarschijnlijkheden correleerden met meer witte-stofbeschadiging op MRI, terwijl hoge Alzheimer‑waarschijnlijkheden overeenkwamen met verhoogde tau‑markers en dunner wordende hersengebieden die krimpen bij de ziekte. Wanneer ProtAIDe-Dx werd gecombineerd met standaardmaten zoals leeftijd, eenvoudige denktests en een handvol bloed- en beeldvormingsmarkers, konden artsen Alzheimer, Parkinson, frontotemporale dementie en beroerte nauwkeuriger onderscheiden dan met routinematige klinische hulpmiddelen alleen.

Wat dit zou kunnen betekenen voor patiënten en artsen

ProtAIDe-Dx is nog niet nauwkeurig genoeg om hersenscans of ruggenprikken te vervangen, en het heeft nog moeite om perfect te generaliseren over verschillende ziekenhuizen en testlocaties. Maar het biedt al iets nieuws: een enkele, minimaal invasieve bloedtest die snel een probabilistisch beeld van meerdere hersenaandoeningen tegelijk kan geven, terwijl het ook wijst naar de specifieke eiwitten die iemands uitslag vormgaven. Dit kan artsen helpen beslissen wie geavanceerdere tests nodig heeft, gemengde pathologieën opsporen die verwarrende symptomen kunnen verklaren en op termijn meer gerichte behandeling sturen. Het werk suggereert dat rijke eiwitpatronen in bloed betekenisvolle signalen over hersengezondheid dragen en dat kunstmatige intelligentie kan helpen deze te ontsluiten voor gebruik in de dagelijkse dementiezorg.

Bronvermelding: An, L., Pichet Binette, A., Hristovska, I. et al. A deep joint-learning proteomics model for diagnosis of six conditions associated with dementia. Nat Med 32, 1852–1864 (2026). https://doi.org/10.1038/s41591-026-04303-y

Trefwoorden: dementiediagnose, plasmaproteomica, Ziekte van Alzheimer, kunstmatige intelligentie, bloedsignaturen