Nye demensrisikofaktorer afdækket
Ved hjælp af en stor og omfattende database opdager forskere nye kombinationer af faktorer, der øger risikoen for demens senere i livet. Resultaterne kan hjælpe klinikere med at få øje på udsatte mennesker.
Demens er en voksende bekymring. Fordi befolkningen ældes, og at leve længere liv begynder at blive normen, er løbet for at forstå, hvorfor demens opstår, tændt.
På verdensplan er demens den største årsag til handicap og afhængighed hos ældre voksne.
I USA lever 5,7 millioner mennesker med Alzheimers, hvilket er den mest almindelige form for demens. I 2050 forventes dette tal at stige til 14 millioner.
I øjeblikket er der ingen effektive behandlinger, så det er vigtigt at forstå de medvirkende faktorer, hvis vi skal klemme det i opløbet.
Fjernelse af data
Som en del af skubbet for at forstå, hvilke faktorer der er involveret i udviklingen af disse forhold, dykker forskere ivrigt ind i alle tilgængelige datasæt. Det er kun ved at dissekere store puljer af befolkningsdata, at klare mønstre begynder at dukke op.
En sådan datakilde er Framingham Heart Study (FHS), der startede i 1948. Til dato har den fulgt tre generationer af deltagere, og dens primære funktion er at observere de fælles faktorer, der bidrager til hjerte-kar-sygdomme.
Forskere ved Boston University School of Medicine i Massachusetts udnyttede for nylig den rigdom af data, der blev indsamlet som en del af FHS. Tilsvarende forfatter Rhoda Au, Ph.D. - professor i anatomi og neurobiologi - forklarer formålet med deres undersøgelse:
"Ved at fokusere på modificerbare risikofaktorer håber vi at identificere sygdomsrisikofaktorer, der kan ændres, hvilket muliggør muligheden for at forhindre demens."
Deres nye analyse var den første, der anvendte en machine learning-tilgang til at generere et klarere billede af de risikofaktorer, der bidrager til demens. Maskinindlæring bruger avancerede statistiske teknikker, der gør det muligt for computersystemer at "lære" med data uden at være specifikt programmeret.
Med andre ord lærer systemer af at se dataene og kan få øje på mønstre uden at mennesker har brug for at styre deres “tanke” -proces.
Maskinindlæring inspiserer demens
Forskerne brugte data taget i 1979–1983, og de var især interesserede i information om demografi og livsstil. Deres resultater blev offentliggjort for nylig i Tidsskrift for Alzheimers sygdom.
Ikke overraskende blev alder udsat for en væsentlig risikofaktor. Når vi bliver ældre, øges vores chancer for at udvikle demens, og det har længe været kendt. Forfatterne fandt imidlertid andre væsentlige forhold skjult i dataene, da de forklarer:
"Analysen identificerede også en ægteskabelig status som 'enke', lavere BMI og mindre søvn midt i livet som risikofaktorer for demens."
De håber, at resultaterne vil være nyttige for både frontliniklinikere og befolkningen generelt. For eksempel, hvis en aldrende slægtning er enke og undervægt, kan det være klogt at holde nøje øje med de tidlige tegn på demens.
Prof. Au siger, "Vi ønskede at identificere oplysninger, som enhver læge eller endda ikke-læge har let adgang til til at bestemme potentiel øget fremtidig risiko for demens."
”De fleste screeningsværktøjer ved demens kræver specialuddannelse eller testning,” tilføjer hun, “men frontlinjen til screening er primærlæger eller familiemedlemmer. Dette var også et indledende forsøg på at anvende maskinlæringsmetoder til at identificere risikofaktorer. ”
Nu koster demens USA godt over 150 milliarder dollars hvert år, og det er derfor vigtigt at finde måder at begrænse dette langsomt voksende problem på. Disse fund giver ny indsigt og potentialet til at minimere den fremtidige virkning af demens.
Som forfatterne skriver, kan "demografiske faktorer og livsstilsfaktorer, der er ikke-invasive og billige at implementere, vurderes midt i livet og bruges til potentielt at ændre risikoen for demens i sen voksenalder."
At forstå risikofaktorerne bag demens kan hjælpe samfundet med at minimere den skade, det kan forårsage.
