Project

Discipline

Early detection; Human disease model; Risk factors; Alzheimer’s disease; Traumatic Brain Injury; Prevention

Lead
Die Alzheimer-Krankheit ist eine neurodegenerative Erkrankung, die durch eine zunehmende Demenz gekennzeichnet ist. Diese Krankheit, welche vorwiegend Personen über dem 65. Lebensjahr betrifft, ist für den Grossteil (>60%) der weltweit etwa 35 Millionen Demenzerkrankungen verantwortlich. Trotz grosser Forschungsbemühungen in den letzten Jahrzehnten lässt sich die Alzheimer-Krankheit nicht heilen. Während die Ursachen der Alzheimer-Krankheit noch immer nicht restlos aufgeklärt ist, wird vermutet, dass der Krankheitsbeginn mehrere Jahre vor dem Auftreten von ersten Symptomen liegt. Dieses Projekt leistet einen Beitrag dazu, neue Erkenntnisse über Ursachen und Krankheitsverlauf zu gewinnen.
Lay summary
Inhalt und Ziele des Forschungsprojekts Unser übergeordnetes Ziel ist zu einem verbesserten Verständnis der Ursache, Beginn und Verlauf der Alzheimer-Krankheit beizutragen. Zuerst werden wir Daten von Patienten mit traumatischer Hirnverletzung analysieren, welche Alzheimer-ähnliche Gedächtnis- und Orientierungsstörungen entwickeln. Ziel dieser Analyse ist es prädiktive Faktoren zu finden, welche diese Störungen verursachen. Die traumatische Hirnverletzung fungiert als sogenannte ‘Surrogat-Erkrankung’, welche durch einen klaren Krankheitsbeginn charakterisiert und oft mit dem Auftreten kognitiver Störungen innerhalb weniger Jahre vergesellschaftet ist. Anschliessend werden wir die gewonnenen Erkenntnisse auf eine grosse Kohorte von Patienten mit Alzheimer-Krankheit übertragen, um zu erforschen, ob und welche Merkmale beide Erkrankungen teilen. Für unser Projekt werden wir grosse Datenmengen mit neusten Analyseverfahren auswerten.   Wissenschaftlicher und gesellschaftlicher Kontext des Forschungsprojekts Unsere Arbeit wird neue und wichtige Informationen über Ursachen und Verlauf der Alzheimer-Krankheit liefern. Des Weiteren, werden wir Gemeinsamkeiten verschiedener Krankheiten aufzeigen, welche genutzt werden können, um krankheitsübergreifende Erkenntnisse zu gewinnen. Unsere Ergebnisse werden es Forschern und Forscherinnen erlauben, neue Therapieansätze zu entwickeln sowie Ärzte und Ärztinnen unterstützen die Diagnose möglichst zeitnah zu stellen.

Direct link to Lay Summary

Last update: 19.01.2020

Alzheimer’s disease is a neurodegenerative disease that affects an estimated 35 million people worldwide and is the leading cause of dementia in elderly people. It is progressive brain disorder that causes a slow decline in memory, affects an individual’s ability to everyday activities, and eventually leads to complete dependency. With the proportion of elderly people in the population increasing, the burden of Alzheimer’s disease is expected to become significantly greater over the next few decades. Beyond its immediate health consequences, the societal and economic costs are of epidemic proportion and thus, make Alzheimer’s disease a public health priority worldwide. With disease-modifying treatment trials unsuccessful at the present time and only medications to treat symptoms available, an emerging research initiative is to identify approaches to intervene before the damage begins with the ultimate goal to make Alzheimer’s disease preventable. Important steps in disease prevention include the identification of risk factors and discovery of prognostic biomarkers. That is why we are proposing a project that leverages existing multi-dimensional data sources and harnesses the power of machine learning to identify risk factors and biomarkers that are most associated with Alzheimer’s disease and its progression. To overcome major limitations of Alzheimer’s disease research (no clear disease onset, lack of appropriate animal models, lack of sensitive and specific biomarkers), our work introduces an entirely new and unconventional concept in the field of neurodegenerative diseases - the idea that the biomarker search and risk factor identification can be expanded to a ‘surrogate human disease model’. Traumatic brain injury is a very suitable surrogate human disease model as it is a central nervous disease with an acute onset that initiates long-term neurodegeneration processes triggering pathological features that closely resemble those of Alzheimer's disease. Advanced machine learning techniques, such as transfer learning, will aid the knowledge translation from traumatic brain injury to Alzheimer’s disease. In transfer learning, the goal is to build an algorithm based on one dataset and then utilize the gained knowledge to subsequently employ the same algorithm on different, yet related datasets. We envision that our unprecedented and unconventional approach could become a common strategy to overcome barriers to the classic bench-to-bedside biomarker discovery. Understanding how different diseases along the neurological spectrum relate to each other will provide potentially new insights into the etiology, classification, and design of novel therapeutic interventions. Knowledge gained from this project may lay the ground work for public health initiatives aiming at preventing Alzheimer’s disease and have major implications for other neurological diseases hallmarked by cognitive impairments, including Parkinson’s disease and amyotrophic lateral sclerosis.