Alzheimer-Früherkennung: Ruhe-fMRI unterscheidet Profile mit 85 Prozent Genauigkeit

Mithilfe funktioneller Magnetresonanztomografie im Ruhezustand lassen sich neurodegenerative Veränderungen im Gehirn möglicherweise früher und präziser erfassen als mit bisherigen Standardverfahren.

Eine wissenschaftliche Untersuchung von Stanford Medicine, die in der Fachzeitschrift Science Advances erschien und über die Anfang November 2026 berichtet wurde, stellt ein entsprechendes Modell vor. Das sogenannte ARC-Machine-Learning-Framework nutzt funktionelle Ruhezustands-MRT-Daten (Ruhe-fMRI), um Aktivitätsmuster im Gehirn zu analysieren. Dabei gelang es, sogenannte Super-Ager – Personen ab einem Alter von 75 Jahren mit der Gedächtnisleistung von 45-Jährigen – von Alzheimer-Patienten mit einer Genauigkeit von rund 85 Prozent zu unterscheiden.

Hohe Trennschärfe in Entdeckungs- und Replikationskohorten

Die Forscher von Stanford Medicine entwickelten den sogenannten ARC-Score auf Basis einer Entdeckungskohorte von 290 Probanden. Diese Gruppe setzte sich aus 180 Super-Agern und 110 Alzheimer-Patienten zusammen, die ausnahmslos mindestens 75 Jahre alt waren. In dieser ersten Stichprobe erreichte das Machine-Learning-Verfahren einen Wert für die Fläche unter der ROC-Kurve (AUC) von 0,85.

Um die Verlässlichkeit der Methode zu überprüfen, validierten die Wissenschaftler das Modell an einer unabhängigen Replikationskohorte von 143 Personen. Auch dort bestätigte sich die Unterscheidungskraft der Ruhezustandsmuster. Die Analysen machten deutlich, dass insbesondere neuronale Netzwerke im präfrontalen, temporalen sowie insulären Kortex maßgeblich an den erkennbaren Signalmustern beteiligt sind.

Vorhersagekraft übersteigt klassische Biomarker

Wer sich mit den neuesten Erkenntnissen zur geistigen Fitness befasst, möchte oft auch selbst aktiv werden, um das Gedächtnis langfristig zu schützen. Dieser kostenlose Ratgeber zeigt Ihnen 7 Geheimnisse und 11 praktische Übungen, mit denen Sie Ihre mentale Leistungsfähigkeit im Alltag gezielt fördern können. Gehirntraining-Ratgeber jetzt kostenlos herunterladen

Über die bloße Differenzierung zwischen kognitiv gesunden Senioren und Erkrankten hinaus untersuchten die Wissenschaftler von Stanford Medicine die Eignung des Werts für die Langzeitprognose.

Bei einer Gruppe von 1.300 kognitiv unauffälligen Erwachsenen im Alter zwischen 55 und 70 Jahren sagte der Score über einen Zeitraum von zwölf Jahren hinweg einen schnelleren kognitiven Abbau, eine stärkere Ablagerung von Amyloid-beta sowie ein erhöhtes Alzheimer-Risiko voraus.

In dieser Altersgruppe erwies sich das Ruhe-fMRI-Muster als prognostisch treffsicherer als demografische Merkmale, genetische Faktoren oder etablierte Amyloid-beta- und Tau-Biomarker.

Während die Forschung nach neuen Wegen zur Früherkennung sucht, fragen sich viele Betroffene bereits bei kleineren Aussetzern, ob ihre Vergesslichkeit noch im normalen Bereich liegt. Ein diskreter 2-Minuten-Selbsttest bietet hier eine erste Orientierung und hilft dabei, mögliche Warnsignale rechtzeitig einzuordnen. Zum kostenlosen Demenz-Selbsttest

In weiteren Analysen wandte das Team den Ansatz auf 818 kognitiv unauffällige jüngere Erwachsene an und identifizierte dabei spezifische Subtypen, die entweder Charakteristika von Super-Agern oder Ähnlichkeiten zu Alzheimer-Profilen aufwiesen. Dieses Ergebnis konnte an weiteren 497 Personen repliziert werden.

Bei Probanden mit einem Alzheimer-ähnlichen Profil zeigten sich über Nachbeobachtungszeiträume von 5 bis 15 Jahren ein beschleunigter geistiger Verfall, eine erhöhte Amyloid-beta-Akkumulation und eine größere Wahrscheinlichkeit eines klinischen Fortschreitens der Erkrankung.

Genetische Spurensuche und Grenzen der Anwendung

Ergänzende genomweite Assoziationsstudien (GWAS) im Rahmen der Untersuchung nominierten zudem die Gen-Loci CLYBL und FRMD6 als potenzielle Kandidaten, die mit den beobachteten Hirnmustern in Verbindung stehen könnten. Die wissenschaftliche Arbeit ist unter der DOI 10.1126/sciadv.aed9351 publiziert.

Trotz der präzisen statistischen Ergebnisse betont Stanford Medicine die methodischen Grenzen des Ansatzes: Das System stelle kein eigenständiges Diagnoseinstrument dar, sondern diene primär der Verlaufskontrolle und dem Monitoring. Da der Score lediglich statistische Wahrscheinlichkeiten abbildet, ist eine ursächliche Kausalität zwischen den gemessenen Aktivitätsmustern und den späteren Krankheitsausprägungen bislang nicht belegt.