Detailseite
Projekt Druckansicht

Translationale Untersuchungen der Interaktion von Hirnnetzwerken bei Antikörper-vermittelter Hirnfunktionsstörung bei Menschen und im Mausmodell

Antragstellerinnen / Antragsteller Professor Dr. Carsten Finke; Professorin Dr. Petra Ritter
Fachliche Zuordnung Molekulare und zelluläre Neurologie und Neuropathologie
Förderung Förderung seit 2023
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 504745852
 
In diesem Projekt sollen mit Hilfe moderner translationaler Neuroimaging-Ansätze bei Patienten und in Mausmodellen antikörpervermittelte pathophysiologische Mechanismen untersucht und die Vorhersage des Krankheitsverlaufs bei Autoimmunenzephalitis verbessert werden. Derzeit sind die genauen autoimmunen Pathomechanismen und deren Auswirkungen auf Struktur und Funktion des Gehirns - mit der Folge anhaltender klinischer und kognitiver Langzeitfolgen - weitestgehend unbekannt. Darüber hinaus verhindert das Fehlen standardisierter Outcome-MRT-Bildgebungsmarker die Vorhersage des Krankheitsverlaufs bei individuelle Enzephalitis-Patienten und schränkt die klinische Entscheidungsfindung erheblich ein. Im geplanten Projekt werden wir daher zunächst state-of-the-art Neuroimaging-Techniken (funktionelles MRT im Ruhezustand, strukturelles MRT, Multiparameter-Mapping) anwenden, um systematisch translationale strukturelle und funktionelle Bildgebungsveränderungen bei Menschen und in Mausmodellen zu evaluieren. Im zweiten Schritt werden wir die histopathologischen Veränderungen untersuchen, die den Veränderungen in der Hirnbildgebung zugrunde liegen, um die pathophysiologischen Substrate der mit klinischen und kognitiven Symptomen assoziierten Netzwerkveränderungen zu identifizieren. Hierzu werden wir empirische Daten und simulierte Daten verwenden, die auf biologisch plausiblen Computermodellen der hirnweiten Netzwerkdynamik des Virtual Brain Frameworks basieren. Drittens werden wir Virtual Brain-basierte, aus Modellen abgeleitete optimale Parameter verwenden um Klassifizierungsmodelle zu trainieren, die eine genaue Vorhersage der Krankheitsklasse und des kognitiven Outcomes nach einem Jahr bei individuellen Enzephalitispatienten ermöglichen. Schließlich ist es unser Ziel, die Vorhersagegenauigkeit von NMDAR-ab- und LGI1-ab-Enzephalitis und das funktionelle Outcome durch die Kombination von multimodalem Neuroimaging mit simulierten virtuellen Gehirndaten zu verbessern. Damit sollen klinische Entscheidungen in Bezug auf kurz- und langfristige immunsuppressive Therapien verbessert werden und die Identifikation von Patienten-Subgruppen ermöglicht werden, die von neuen Therapieformen in zukünftigen klinischen Studien profitieren können.
DFG-Verfahren Klinische Forschungsgruppen
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung