Integrerade kortikala-kognitiva signaturer identifierade med maskininlärning möjliggör tidig upptäckt av MCI vid typ 2-diabetes

Varför detta spelar roll för personer med diabetes

Typ 2-diabetes diskuteras ofta i termer av blodsocker, ögon, njurar eller fötter. Men sjukdomen kan också tyst påverka hjärnan och leda till minnesluckor och långsammare tänkande år innan demens uppträder. Denna studie visar att genom att noggrant granska både hjärnavbildningar och kognitiva tester kan läkare kanske upptäcka tidiga varningstecken på minnesproblem hos personer med diabetes, långt innan det dagliga livet påverkas påtagligt.

Att följa tre spår för hjärnhälsa

Forskarna studerade 150 vuxna i åldern 45 till 65 år, indelade i tre noggrant matchade grupper: personer utan diabetes, personer med typ 2-diabetes men normal kognition, och personer med typ 2-diabetes plus lätt kognitiv störning (MCI) – ett märkbart men fortfarande tidigt stadium av minnes- och tankeproblem. Alla genomgick ett detaljerat paket med blyerts- och papperstester och hade högupplösta MR-bilder av hjärnan. Genom att jämföra de tre grupperna sida vid sida kunde teamet särskilja förändringar orsakade av åldrande, av själva diabetesen, och sådana som var kopplade specifikt till tidig kognitiv nedgång.

En liten men viktig hjärnregion sticker ut

MR-bilderna användes för att mäta tjockleken på hjärnans yttre lager, där det mesta tänkandet sker. I många hjärnregioner visade personer med diabetes en förtunning jämfört med friska frivilliga, och de med både diabetes och MCI uppvisade ofta ännu större förändringar. En plats i synnerhet, en region på vänster sida av frontalloben kallad pars opercularis, visade ett tydligt stegvis mönster: den var tjockast hos friska individer, tunnare hos dem med diabetes, och tunnast hos dem med diabetes plus MCI. Denna jämna progression tyder på att detta lilla område kan fungera som en tidig strukturell markör för diabetesrelaterad kognitiv nedgång.

Kognitiva tester som avslöjar subtila förändringar

Teamet undersökte också vilka kognitiva tester som bäst skilde de tre grupperna åt. Uppgifter som mätte hur snabbt och flexibelt personer kunde koppla ihop saker på en sida (Trail Making Test A och B) och hur väl de kunde lära sig och komma ihåg upplästa ordlistor (Rey Auditory Verbal Learning Test och dess fördröjda återkallningsversion) visade de starkaste och mest konsekventa skillnaderna. Generellt presterade personer med diabetes sämre än friska individer, och de med diabetes plus MCI presterade sämst av alla. Däremot lyckades vanliga snabbscreeningsverktyg som Mini‑Mental State Examination och Montreal Cognitive Assessment ofta inte skilja mellan personer med diabetes som hade MCI och de som inte hade det, vilket tyder på att mer målinriktade tester behövs för denna population.

Koppla samman hjärnstruktur, kognitiva färdigheter och maskininlärning

För att hitta den mest informativa kombinationen av mätningar använde forskarna en maskininlärningsmetod känd som en Random Forest‑klassificerare. De tränade tre versioner av modellen: en som endast använde hjärnmätningar från nyckelregioner, en som endast använde de mest informativa poängen från kognitiva tester, och en som kombinerade båda. Den kombinerade modellen presterade bäst och separerade korrekt personer med diabetes som hade MCI från dem som inte hade det med mycket hög noggrannhet. Ett förklaringsverktyg kallat SHAP användes sedan för att visa vilka egenskaper modellen lutade sig mest mot. Det lyfte fram två huvudspelare: tjockleken på vänster pars opercularis och prestationen på det mer krävande trail‑making‑testet som fångar exekutiva funktioner och bearbetningshastighet.

Vad detta betyder för tidig varning och vård

För personer som lever med typ 2‑diabetes är huvudslutsatsen att subtila förändringar i hjärna och tänkande kan upptäckas långt innan demens uppträder, och att en liten frontal hjärnregion tillsammans med riktade kognitiva tester kan utgöra ett praktiskt tidigt varningssystem. Om detta bekräftas i större och längre studier kan detta integrerade tillvägagångssätt hjälpa kliniker att identifiera dem med högst risk för framtida minnesproblem och rikta dem för tätare uppföljning, striktare kontroll av blodsocker och blodtryck samt livsstilsförändringar som motion och kognitiv träning med målet att bevara hjärnhälsan.

Citering: Saluja, K.V., Balachandran, P., Pillai, D. et al. Integrated cortical-cognitive signatures identified by machine learning enable early detection of MCI in type 2 diabetes. Sci Rep 16, 13533 (2026). https://doi.org/10.1038/s41598-026-44608-z

Nyckelord: typ 2-diabetes, lätt kognitiv störning, hjärn‑MRI, kognitiva tester, maskininlärning