ARC-Score: KI-Hirnscan erkennt Alzheimer-Muster mit rund 85 Prozent Genauigkeit
Veröffentlicht am: 20.11.2026 um 23:22 Uhr | Redaktion boerse-global.deEine am 4. November 2026 im Fachjournal Science Advances vorgestellte Studie der Stanford University präsentiert mit dem sogenannten ARC-Score einen neuen Ansatz zur Erfassung neurodegenerativer Risiken. Das auf künstlicher Intelligenz basierende Modell analysiert Gehirnnetzwerke im Ruhezustand mittels funktioneller Magnetresonanztomographie (Ruhe-fMRT).
Ziel des Verfahrens ist es, sogenannte Super-Ager – Personen ab einem Alter von 75 Jahren mit einer Gedächtnisleistung auf dem Niveau jüngerer Erwachsener – von Alzheimer-Patienten zu unterscheiden. Nach Angaben der Weltgesundheitsorganisation (WHO) sind weltweit über 57 Millionen Menschen von Demenzerkrankungen betroffen, wobei Alzheimer 60 bis 70 Prozent der Fälle ausmacht.
Funktionelle Hirnnetzwerke als Indikator für kognitive Resilienz
Für das Training des Modells griff das Forschungsteam auf eine Kohorte von 290 Probanden zurück, die sich aus 180 Super-Agern und 110 Alzheimer-Patienten zusammensetzte. In dieser Trainingsgruppe erzielte die Methodik eine Genauigkeit von rund 85 Prozent mit einem AUC-Wert von 0,85 ± 0,08 sowie einem Wert von 0,80 ± 0,05 in der Kreuzvalidierung.
In einer unabhängigen Replikationskohorte der Alzheimer’s Disease Neuroimaging Initiative (ADNI), die 64 Super-Ager und 79 Alzheimer-Patienten umfasste, lagen der AUC-Wert bei 0,72 und die Genauigkeit bei 0,71.
Wer sich für die Erhaltung der kognitiven Fähigkeiten bis ins hohe Alter interessiert, kann mit einem wissenschaftlich fundierten Kurztest erste Warnsignale einer Demenz diskret prüfen. Der anonyme 7-Fragen-Check bietet in zwei Minuten eine erste Einschätzung zu Ihrer aktuellen Gedächtnisleistung. Kostenlosen Demenz-Selbsttest jetzt starten
Hauptautor Kanhao Zhao betonte, dass sich die Anfälligkeit für die Erkrankung in den funktionellen Netzwerkstrukturen des Gehirns widerspiegele. Die auf dem ARC-Score beruhende Prognose sei demnach vergleichbar mit oder verlässlicher als Vorhersagen auf Grundlage von Demografie, Genetik sowie etablierten Amyloid- und Tau-Biomarkern. Wurde das ARC-Muster mit diesen klassischen Biomarkern kombiniert, ließ sich die Treffsicherheit weiter steigern.
Langzeitbeobachtung bestätigt prognostische Aussagekraft
Die Vorhersagekraft des Verfahrens überprüften die Wissenschaftler zudem an Daten von 1.315 kognitiv unauffälligen Erwachsenen im Alter von 55 bis 70 Jahren. Die Nachbeobachtungszeit betrug bis zu 12 Jahre und lag im Regelfall bei 5 bis 6 Jahren.
Zeigten die Teilnehmenden zu Beginn ein Alzheimer-ähnliches ARC-Muster, prognostizierte das Modell einen schnelleren kognitiven Abbau, eine ausgeprägtere Ablagerung von Amyloid-? sowie ein erhöhtes Risiko für eine leichte kognitive Beeinträchtigung oder eine spätere Alzheimer-Diagnose.
Um die geistige Fitness und neuronale Resilienz aktiv zu unterstützen, empfehlen Experten gezielte Übungen für den Alltag. Dieser kostenlose Ratgeber zeigt Ihnen 11 praktische Methoden, mit denen Sie Ihre Konzentration stärken und Demenz effektiv vorbeugen können. Gratis-Ratgeber für Gehirntraining hier anfordern
Grenzen des Modells und Ausblick auf künftige Studien
Trotz der dokumentierten Zusammenhänge handelt es sich beim ARC-Score nach Angaben der Studienautoren noch nicht um ein Diagnoseinstrument für den Einsatz in der klinischen Praxis. Hierfür seien zunächst größere Folgestudien erforderlich. Zudem sei gegenwärtig noch ungeklärt, ob eine gezielte Beeinflussung der Netzwerkveränderungen den weiteren Krankheitsverlauf verändern kann.
Als denkbare Interventionen führten die Forscher kognitives Gehirntraining sowie die transkranielle Magnetstimulation an, deren therapeutischer Nutzen in diesem Kontext jedoch noch unbestimmt ist. Um entsprechende Effekte systematisch zu erfassen, plant das Team an der Stanford University bereits eine Untersuchung, die den ARC-Score vor und nach Durchführung eines kognitiven Trainings messen soll.
