Ein Muster im funktionellen Gehirnscan könnte das Alzheimer-Risiko vor dem Gedächtnisverlust anzeigen

Ein Gehirnscan wird meist als Bild betrachtet: als Möglichkeit, nach sichtbaren Schäden, Schrumpfung oder ungewöhnlichen Ablagerungen zu suchen. Eine neue Studie deutet darauf hin, dass eine weitere Ebene ebenso wichtig sein könnte. Die Art und Weise, wie Hirnregionen miteinander kommunizieren, während ein Mensch ruht, kann eine messbare Signatur der Anfälligkeit für kognitiven Abbau tragen – selbst wenn Gedächtnistests noch unauffällig sind.

Forschende unter Leitung der Stanford Medicine nutzten die funktionelle Magnetresonanztomografie im Ruhezustand, kurz fMRT im Ruhezustand, um zwei ungewöhnliche Gruppen zu vergleichen: ältere Erwachsene mit Alzheimer-Krankheit und ältere Erwachsene, deren Gedächtnis für ihr Alter außergewöhnlich leistungsfähig geblieben war. Aus diesem Vergleich entwickelten sie einen Wert namens Alzheimer’s Resilience-Vulnerability Connectome, abgekürzt ARC.

Der Wert ist keine Diagnose. Er sagt einer einzelnen Person nicht, dass Alzheimer unvermeidlich ist, und kann derzeit auch keine Behandlung steuern. Sein Nutzen ist spezieller: Er bietet eine Möglichkeit zu untersuchen, ob das großräumige Kommunikationsmuster des Gehirns eher dem Muster von Menschen mit ungewöhnlicher Widerstandsfähigkeit oder dem mit späterem Abbau verbundenen Muster ähnelt.

Diese Unterscheidung ist wichtig, weil sich die Alzheimer-Forschung immer weiter in eine frühere Phase verlagert. Wenn deutliche Gedächtnisprobleme auftreten, können sich biologische Veränderungen bereits seit Jahren entwickelt haben. Ein brauchbarer früher Marker könnte Forschenden helfen, gezielter zu erkennen, wer engmaschiger beobachtet werden sollte, Präventionsstudien effizienter zu planen und zu prüfen, ob eine Intervention das Gehirn verändert, bevor Symptome nur noch schwer umkehrbar sind.

Was die Studie tatsächlich gemessen hat

Die fMRT im Ruhezustand misst weder Gedanken noch Erinnerungen oder Intelligenz direkt. Stattdessen zeichnet sie Veränderungen der Sauerstoffversorgung des Blutes auf, während eine teilnehmende Person ruhig im Scanner liegt. Diese Schwankungen liefern ein indirektes Maß für die koordinierte Aktivität verschiedener Hirnregionen.

Anschließend können Forschende die funktionelle Konnektivität schätzen: also ob die Aktivität in zwei Regionen im Laufe der Zeit gemeinsam steigt und fällt. Eine Karte dieser Beziehungen wird manchmal als funktionelles Konnektom bezeichnet. Im anatomischen Sinn ist sie kein Verdrahtungsplan, sondern eine statistische Beschreibung davon, wie verschiedene Teile des Gehirns während eines bestimmten Scans als Netzwerk funktionieren.

Das von Stanford geleitete Team ging davon aus, dass ein Vergleich mit normalem Altern zu viele Störfaktoren enthalten könnte. Kognitiv unbeeinträchtigte ältere Erwachsene sind biologisch nicht identisch. Bei einigen können sich bereits Amyloidablagerungen, Gefäßveränderungen oder andere Prozesse entwickelt haben, die ihre Testergebnisse noch nicht beeinflussen. Wenn man sie alle als eine einzige gesunde Vergleichsbasis behandelt, könnten die entscheidenden Unterschiede verborgen bleiben.

Stattdessen verglichen die Forschenden zwei klarer voneinander abgegrenzte Gruppen. Die eine bestand aus sogenannten „SuperAgers“: mindestens 75 Jahre alten Erwachsenen, deren Gedächtnisleistung mit der deutlich jüngerer Erwachsener vergleichbar war und die für ihr Alter normale exekutive Funktionen aufwiesen. Die andere Gruppe bestand aus gleichaltrigen Menschen mit diagnostizierter Alzheimer-Krankheit.

Für die Studie wurden Daten aus mehreren großen Bildgebungsprojekten verwendet, darunter die Open Access Series of Imaging Studies, die Harvard Aging Brain Study und die Alzheimer’s Disease Neuroimaging Initiative. In der Entdeckungsanalyse wurden Aufnahmen im Ruhezustand von 180 SuperAgers und 110 Menschen mit Alzheimer-Krankheit genutzt, um Unterschiede in der koordinierten Aktivität präfrontaler, temporaler und insulärer Netzwerke zu bestimmen.

Diese Unterschiede wurden zum ARC-Wert zusammengeführt. In der Entdeckungskohorte unterschied der Wert die SuperAger- und Alzheimer-Gruppen mit einer Fläche unter der Receiver-Operating-Characteristic-Kurve von 0,85. Das Muster wurde außerdem an einer unabhängigen Stichprobe von 143 Teilnehmenden geprüft. Das ist wichtig, weil ein Modell besonders überzeugend wirken kann, wenn es ausschließlich mit den Daten bewertet wird, aus denen es entwickelt wurde.

Ein AUC-Wert von 0,85 misst die Trennung von Gruppen, nicht die persönliche Wahrscheinlichkeit, an Alzheimer zu erkranken. Er sollte nicht als „zu 85 Prozent akkurat für eine einzelne Person“ verstanden werden. Eine Vorhersage unter realen Bedingungen hängt von der untersuchten Population, der Qualität und Einheitlichkeit des Scans, der Definition der Erkrankung und dem für die Nachbeobachtung angesetzten Zeitraum ab.

Der entscheidende Test bezog Menschen ein, die gesund wirkten

Nachdem die Forschenden den ARC-Wert anhand der beiden Extremgruppen entwickelt hatten, wandten sie ihn auf mehr als 1.300 Erwachsene zwischen 55 und 70 Jahren an, die zum Zeitpunkt der Bildgebung keine Anzeichen einer kognitiven Beeinträchtigung zeigten. Die Entdeckungsgruppe umfasste 818 Personen, die unabhängige Replikationsgruppe 497.

Zu Beginn zeigten Teilnehmer mit stärker Alzheimer-ähnlichen beziehungsweise stärker SuperAger-ähnlichen Werten noch keine eindeutige kognitive Trennung, die einen einfachen Test in der Arztpraxis ausreichend gemacht hätte. Erst später wichen ihre Verläufe voneinander ab. Personen mit stärker Alzheimer-ähnlichen Mustern im funktionellen Konnektom neigten dazu, bei Gedächtnis, Aufmerksamkeit und exekutiven Funktionen schneller abzubauen. Bei ihnen lagerten sich außerdem größere Mengen an Amyloid-Beta an, und ihr Risiko, eine leichte kognitive Beeinträchtigung oder Alzheimer zu entwickeln, war höher.

Die längsten Längsschnittdatensätze erstreckten sich über zwölf Jahre, wobei viele Teilnehmer eher fünf oder sechs Jahre lang beobachtet wurden. Das ist ein Grund dafür, dass die Studie besser als Beleg für eine frühe Risikostratifizierung beschrieben werden sollte und nicht als diagnostische Prognose über zwölf Jahre für jeden einzelnen Teilnehmer.

Die Forschenden verglichen die auf ARC basierende Vorhersage außerdem mit demografischen Variablen, genetischen Merkmalen sowie Amyloid-Beta- und Tau-Biomarkern. Dem Stanford-Bericht zufolge schnitt der Konnektom-Score bei einigen Ergebnissen ähnlich gut oder besser ab als diese Messgrößen. Wurde ARC mit bestehenden Biomarkern kombiniert, verbesserte sich die Vorhersage. Das Abstract der Studie beschreibt dasselbe grundlegende Ergebnis: Unter kognitiv unbeeinträchtigten Erwachsenen zeigten die Alzheimer-ähnlichen und SuperAger-ähnlichen Untergruppen zunächst vergleichbare kognitive Leistungen, entwickelten sich im weiteren Verlauf jedoch unterschiedlich.

Das verschiebt den Schwerpunkt auf nützliche Weise. Viele Alzheimer-Tests konzentrieren sich auf das Vorhandensein eines krankheitsassoziierten Moleküls oder einer strukturellen Veränderung. ARC betrachtet dagegen, wie die Netzwerke des lebenden Gehirns gemeinsam funktionieren. Beide Perspektiven könnten sich ergänzen, statt miteinander zu konkurrieren. Der Amyloid- oder Tau-Status einer Person kann Hinweise auf die Krankheitsbiologie liefern, während die funktionelle Konnektivität zeigen kann, wie das Gehirn auf diese Biologie reagiert, sie ausgleicht oder in ihr zum Ausdruck bringt.

Warum ein Netzwerksignal zusätzliche Informationen liefern könnte

Die Alzheimer-Krankheit schädigt nicht in einer klaren Reihenfolge jeweils nur einen einzelnen Bereich des Gehirns. Sie beeinträchtigt die Kommunikation zwischen Regionen, die an Gedächtnis, Aufmerksamkeit, Sprache und exekutiver Kontrolle beteiligt sind. Lange bevor ein weitreichender Zellverlust sichtbar wird, können einige Netzwerke ihre Koordination verlieren, während andere Regionen ihre Aktivität steigern oder ihre Verbindungen neu organisieren.

Eine Messung des funktionellen Konnektoms kann daher eine Eigenschaft erfassen, die ein einzelner Biomarker möglicherweise nicht abbildet: den Zustand des Gesamtsystems. Zwei Menschen können ähnliche Mengen an Amyloid aufweisen, aber aufgrund von Unterschieden bei Kompensation, kognitiver Reserve, Gefäßgesundheit oder anderen Faktoren unterschiedlich belastbar sein.

Die Studie belegt nicht, dass das identifizierte Netzwerkmuster den Abbau verursacht. Sie zeigt, dass dieses Muster mit unterschiedlichen Ergebnissen verbunden ist. Dieser Unterschied ist bedeutsam. Wenn frühe krankheitsbedingte Veränderungen sowohl die Netzwerkaktivität als auch die spätere Kognition beeinflussen, könnte der ARC-Score ein empfindlicher Messwert für einen laufenden Prozess sein, ohne dessen ursprüngliche Ursache zu bilden.

Die Studie berichtet außerdem über eine explorative genomweite Assoziationsanalyse, in der CLYBL und FRMD6 als Kandidaten-Loci für den Unterschied zwischen den Untertypen ermittelt wurden. Diese Ergebnisse sind vorläufig. Eine Kandidatenassoziation ist kein bestätigter Mechanismus. Genetische Befunde müssen in größeren und vielfältigeren Populationen reproduziert werden, bevor sie erklären können, warum das Netzwerk einer Person widerstandsfähiger erscheint als das einer anderen.

Wie sich das in die heutige Landschaft der Alzheimer-Biomarker einfügt

Die Argumente für eine frühe Erkennung sind bereits überzeugend. Das National Institute on Aging weist darauf hin, dass Alzheimer-bedingte Veränderungen im Gehirn ein Jahrzehnt oder länger beginnen können, bevor Probleme mit Gedächtnis und Denken offensichtlich werden. Amyloid-Plaques und Tau-Fibrillen sind zentrale biologische Merkmale, erklären aber nicht vollständig, wie schnell eine einzelne Person ihre Fähigkeiten verlieren wird.

Amyloid-PET und Untersuchungen der Gehirn-Rückenmarks-Flüssigkeit können krankheitsassoziierte biologische Veränderungen nachweisen, sind jedoch teuer, invasiv oder für die routinemäßige Versorgung nur schwer verfügbar. Blutbasierte Biomarker werden zunehmend nützlicher. Im Jahr 2025 ließ die US-amerikanische Food and Drug Administration einen Bluttest zu, der bei Erwachsenen ab 55 Jahren mit Anzeichen und Symptomen der Krankheit die Diagnose von Amyloid-Plaques unterstützen kann. Die Behörde stellte ausdrücklich fest, dass der Test nicht als eigenständiger Screeningtest für Menschen ohne Symptome vorgesehen ist.

Diese Einschränkung ist hier relevant. Die ARC-Studie richtet sich an kognitiv unbeeinträchtigte Menschen, ist aber dennoch ein Forschungsergebnis. Der Score wurde aus MRT-Daten von Forschungskohorten abgeleitet und weder als Screening-Angebot für Verbraucher noch als Ersatz für eine klinische Untersuchung validiert. Dass sich ein messbares frühes Muster erkennen lässt, bedeutet nicht, dass jeder gesunde Mensch einen Gehirnscan durchführen lassen sollte, um ein Risikolabel zu erhalten.

Stattdessen könnte ARC in mehreren stärker kontrollierten Bereichen wertvoll werden. Forschende könnten damit Präventionsstudien um Teilnehmende anreichern, deren Netzwerkmuster im Gehirn auf eine erhöhte Anfälligkeit hindeuten. In solchen Studien ließe sich dann untersuchen, ob eine Behandlung spätere kognitive Ergebnisse verändert, anstatt lediglich einen Scan- oder Blutwert zu beeinflussen. Der Score könnte außerdem dabei helfen, Teilnehmende für intensivere Bildgebung oder eine längere Verlaufskontrolle auszuwählen.

Am praktikabelsten dürfte es sein, verschiedene Messgrößen zu kombinieren. Ein künftiges Forschungsmodell könnte kognitive Tests, Blutbiomarker, aus MRT-Daten abgeleitete Netzwerkmerkmale, genetische Informationen, Gefäßmessungen und die Krankengeschichte einbeziehen. Jedes Signal würde einen anderen Teil des Problems erfassen: Krankheitsprozesse, die Funktion des Gehirns, strukturelle Veränderungen, ererbtes Risiko oder veränderbare Gesundheitsfaktoren.

Der Score ist eine Momentaufnahme, kein Urteil

Die Forschenden betonen diesen Punkt ausdrücklich. Der ARC-Score einer Person spiegelt den Zustand der Netzwerke im Gehirn zum Zeitpunkt der Untersuchung wider. Er ist kein Schicksal. Das Stanford-Team weist darauf hin, dass der Anteil der Menschen mit SuperAger-ähnlichen Mustern tendenziell mit zunehmendem Alter abnimmt und dass Hirnverletzungen oder neuropsychiatrische Erkrankungen die Organisation der Netzwerke verändern können.

Auch das beobachtende Studiendesign lässt mehrere Erklärungen offen. Früh einsetzende Alzheimer-bezogene Veränderungen könnten das Muster des funktionellen Konnektoms bereits beeinflussen, bevor Symptome auftreten. Andere Faktoren wie Schlaf, Depression, Medikamente, Gefäßerkrankungen, Hörverlust, Bildung, körperliche Aktivität oder Unterschiede zwischen Scannern könnten sowohl die Hirnaktivität als auch die spätere kognitive Leistungsfähigkeit beeinflussen. Ein statistisches Modell kann einige Variablen berücksichtigen, aber nicht jede mögliche Quelle einer Verzerrung ausschließen.

Die Verwendung von SuperAgers ist aufschlussreich, stellt aber auch hohe Anforderungen. Diese Menschen verkörpern einen extremen Phänotyp und nicht das durchschnittliche Ziel eines gesunden Alterns. Ein Muster, das außergewöhnlich gut erhaltenes Gedächtnis von diagnostizierter Alzheimer-Krankheit unterscheidet, könnte weniger präzise sein, wenn es auf die breite Mitte des normalen Alterungsprozesses angewandt wird. Die Replikationsanalyse ist ermutigend, doch eine umfassendere Validierung über verschiedene ethnische Hintergründe, Bildungsniveaus, Gesundheitssysteme, Scannermodelle und geografische Regionen hinweg steht noch aus.

Hinzu kommt eine praktische Frage der Interpretation. Was sollte geschehen, wenn ein Test bei einer kognitiv gesunden Person ein anfälligeres Muster feststellt? Ohne eine Intervention, die nachweislich den weiteren Verlauf verändern kann, könnte das Ergebnis Ängste auslösen, ohne einen klaren Nutzen zu bieten. Risikoinformationen sind am hilfreichsten, wenn daraus eine angemessene Handlung folgt: eine besser konzipierte klinische Studie, eine sorgfältige Überwachung, die Abklärung behandelbarer Einflussfaktoren oder ein Gespräch mit einer Ärztin oder einem Arzt über etablierte Strategien für die Gesundheit von Gehirn und Herz-Kreislauf-System.

Könnte sich das Muster verändern lassen?

Die interessanteste Schlussfolgerung der Studie besteht nicht allein darin, dass sich das Gehirn klassifizieren lässt. Sie liegt darin, dass das robuste Muster künftig möglicherweise zu einem Ansatzpunkt werden könnte.

Die Forschenden nennen die transkranielle Magnetstimulation und kognitives Training als mögliche Wege, die Hirnaktivität zu beeinflussen. Beide Ansätze verlangen Zurückhaltung. Die transkranielle Magnetstimulation wurde unter anderem bei Depressionen untersucht. Das belegt jedoch nicht, dass sie Alzheimer verhindern kann. Kognitives Training kann die Leistung bei den geübten Aufgaben verbessern, aber diese Studie zeigt nicht, dass sich dadurch ein Alzheimer-ähnliches Konnektom in ein SuperAger-ähnliches verwandeln oder eine Demenz verhindern lässt.

Das nächste naheliegende Experiment besteht daher nicht darin, auf Grundlage von ARC eine Therapie zu verschreiben. Vielmehr sollte ARC vor und nach einer kontrollierten Intervention gemessen und anschließend verfolgt werden, ob eine Veränderung des Netzwerkmusters mit bedeutsamen kognitiven Verbesserungen oder einem über längere Zeit verringerten Fortschreiten verbunden ist. Es reicht nicht, dass sich ein Scan verändert. Entscheidend ist, ob die Funktionsfähigkeit im Alltag erhalten bleibt.

Hier wird der Unterschied zwischen einem Biomarker und einem Behandlungsziel wichtig. Ein Biomarker kann nützlich sein, weil er ein Ergebnis vorhersagt. Ein Behandlungsziel muss jedoch auch ursächlich mit diesem Ergebnis verbunden sein, und seine Veränderung muss einen Nutzen bringen, der Schäden und Kosten überwiegt. Die neue Studie belegt die erste Möglichkeit deutlich klarer als die zweite.

Was Leser aus dem Ergebnis mitnehmen sollten

Die gute Nachricht ist praktisch, nicht wundersam. Forschende haben eine Möglichkeit gefunden, eine Dimension der Gehirnalterung zu beschreiben, die von ungewöhnlich gut erhaltenem Gedächtnis bis hin zu einer Alzheimer-bedingten Anfälligkeit reicht. Das Maß funktioniert in verschiedenen Gruppen, lässt sich in unabhängigen Datensätzen reproduzieren und ergänzt ein Forschungsfeld, das bereits Amyloid-, Tau-, genetische und kognitive Messwerte nutzt.

Die weniger aufregende, aber wichtigere Nachricht lautet: Für routinemäßige Screenings ist die Methode noch nicht bereit. Sie liefert weder einen Verbrauchertest noch eine klinische Diagnose oder ein nachgewiesen wirksames Präventionsprogramm. Sie zeigt nicht, dass Menschen mit einem günstigen Muster vor Alzheimer geschützt sind, und auch nicht, dass eine Veränderung dieses Musters die Krankheit verhindern würde.

Der unmittelbare Nutzen liegt in der Gestaltung von Forschungsarbeiten. Eine frühere und präzisere Identifizierung des Risikos könnte Präventionsstudien schneller und effizienter machen. Sie könnte Forschenden helfen, das Vorhandensein krankhafter Veränderungen von der Fähigkeit des Gehirns zu unterscheiden, diese zu verkraften oder auszugleichen. Außerdem könnte sie zu einem umfassenderen Blick auf die Alzheimer-Biologie beitragen, bei dem molekulare Ablagerungen, Gefäßgesundheit, die Kommunikation zwischen Netzwerken und die kognitive Reserve gemeinsam untersucht werden.

Das ist eine bedeutsame Verbesserung der Fragestellung. Beim Alzheimer-Risiko geht es nicht nur darum, ob ein Protein vorhanden ist. Es geht auch darum, wie das Gehirn organisiert ist, wie es auf Belastungen reagiert und wie sich diese Muster im Lauf der Zeit verändern. Der ARC-Score ist ein früher Versuch, diese Anfälligkeit auf Systemebene zu messen. Seine nächste Prüfung besteht nicht darin, ob er eine beeindruckende Schlagzeile erzeugt, sondern darin, ob er eine sichere Intervention anleiten kann, die Menschen länger dabei unterstützt, kognitiv selbstständig zu bleiben.