Künstliche Intelligenz (KI) hat erstmals zwei biologisch unterscheidbare Formen der multiplen Sklerose (MS) identifiziert, indem sie einen einfachen Bluttest mit standardmäßigen MRT-Brain-Scans kombinierte. Die Studie, geführt von der University College London (UCL) und QSA (Queen Square Analytics), einem UCL-Spinout-Unternehmen, wurde in der Fachzeitschrift Brain veröffentlicht. Zentrales Element war die Messung des Serum-Neurofilament-Light-Ketten (sNfL), eines Proteins, das den Grad der Nervenzellschädigung anzeigt und somit die Aktivität der Erkrankung widerspiegelt. Diese sNfL-Werte wurden mit MRT-Bildern, die die Ausdehnung der Erkrankung im Gehirn darstellen, verknüpft und mithilfe eines KI-Modells namens SuStaIn (Subtype and Stage Inference) analysiert, das von UCL entwickelt wurde. In einer Analyse von Daten aus 634 Teilnehmern aus zwei klinischen Studien konnten die Forscher zwei eindeutige MS-Subtypen aufzeigen. Diese Subtypen unterscheiden sich in der Art und Geschwindigkeit der Schädigung des zentralen Nervensystems, was bisher nicht mit herkömmlichen klinischen Klassifikationen erfasst werden konnte. Die KI-basierte Methode ermöglicht es, präziser vorherzusagen, welche Patienten ein erhöhtes Risiko für neue Hirnherde haben, was die Grundlage für personalisierte Behandlungsstrategien schafft. Dr. Arman Eshaghi, Hauptautor der Studie und Forscher am UCL Queen Square Institute of Neurology sowie am UCL Hawkes Institute, betont: „MS ist keine einheitliche Erkrankung. Die derzeitigen Unterteilungen berücksichtigen nicht die zugrundeliegenden Gewebsveränderungen, die wir jedoch kennen müssen, um die Erkrankung effektiv zu behandeln.“ Die Kombination aus einem allgemein verfügbaren Blutmarker und MRT-Bildern, interpretiert durch KI, erlaubt erstmals eine biologisch fundierte Einteilung der MS. Damit können Ärzte besser beurteilen, wo sich ein Patient im Krankheitsverlauf befindet, und gezielt entscheiden, wer enge Überwachung oder frühe, gezielte Therapien benötigt. Queen Square Analytics (QSA), 2020 von Dr. Eshaghi gemeinsam mit Professoren Frederik Barkhof, Geoff Parker und Daniel Alexander gegründet und unterstützt durch UCL Business, spezialisiert sich auf klinische Forschung in der Neurologie, insbesondere bei MS. Mit Zugang zu großen Datensätzen und KI-Technologien kann QSA bisher unerkannte Muster in der Krankheitsentwicklung aufdecken. Diese datenbasierten Subtypen können dann mit gezielt wirksamen Therapien verknüpft werden, was die Therapiewahl verbessert. Da sich Veränderungen in Blutmarkern und MRT-Bildern oft vor klinischen Symptomen zeigen, eröffnet die Methode die Möglichkeit, die Erkrankung früher zu erkennen und Interventionen zu planen, bevor dauerhafte Schäden entstehen. Weltweit leben mehr als 2,8 Millionen Menschen mit MS, die oft bereits in jungen Jahren erhebliche Behinderungen erleiden. Die derzeitige Klassifizierung basiert auf klinischem Verlauf, der jedoch nicht mit den zugrundeliegenden biologischen Mechanismen übereinstimmt. Dies führt dazu, dass Behandlungen, die auf Symptomen basieren, nicht immer wirksam sind. Messbare Biomarker wie sNfL und MRT-Veränderungen hingegen spiegeln die eigentliche Krankheitsbiologie wider – und das ist der Schlüssel zu effektiver, präziser Medizin. In der Branche wird die Studie als Meilenstein angesehen. Experten betonen, dass die KI-gestützte Subtypenidentifikation die Grundlage für eine revolutionäre, biologisch fundierte MS-Beurteilung schafft. QSA ist nun in der Lage, diese Methoden in klinische Praxis und Forschung zu integrieren, was die Entwicklung gezielterer Therapien beschleunigen könnte. Die Kombination aus einfachem Bluttest, MRT und KI könnte in Zukunft zu einer Standardmethode in der MS-Diagnostik werden.