Åtta sekunder avslöjar Alzheimers – AI läser hjärnvågor med 82 procents träffsäkerhet

En åtta sekunder lång revolution

Att diagnostisera Alzheimers sjukdom har historiskt sett varit en lång, kostsam och emotionellt påfrestande process. Bilddiagnostik, ryggmärgsprov, neuropsykologiska tester — det är ett maraton för patienter och deras familjer, ofta genomfört när sjukdomen redan tagit ett rejält grepp. Men vad händer om vi kan vända på den logiken?

Enligt ny forskning publicerad på arXiv har ett forskarlag presenterat ett system som kombinerar artificiell intelligens med elektroencefalografi — EEG, alltså mätning av hjärnans elektriska aktivitet — för att identifiera Alzheimers på ett sätt som är snabbt, tillgängligt och kliniskt relevant. Kärnan i systemet är den så kallade Large Brain Model, förkortat LaBraM, en grundmodell förtränad på mer än 2 500 timmars EEG-data.

Resultaten talar ett tydligt språk: systemet uppnår en träffsäkerhet på över 82 procent och ett ROC-AUC-värde på 89 procent — ett statistiskt mått som visar modellens förmåga att skilja sjuka från friska. Det imponerande är att det räcker med bara åtta sekunders EEG-inspelning. Inte timmar. Inte dagar. Åtta sekunder.

Hjärnan avslöjar sig själv

Det som gör detta forskningsresultat särskilt övertygande är att modellen inte bara presterar bra — den gör det av rätt anledningar. En efterhandsgranskning av hur modellen fattar sina beslut visar att den fångar kliniskt vedertagna biomarkörer: försämrade alfa- och thetarytmer i hjärnans elektriska aktivitet. Det är precis de signaler som erfarna neurologer letar efter manuellt.

Detta är avgörande. Inom AI-diagnostik är det alltför vanligt att modeller presterar bra på papper men av oklara eller irrelevanta skäl — ett fenomen som underminerar förtroendet för systemen. Här pekar AI:n på samma ledtrådar som läkaren. Det bygger förtroende och ökar sannolikheten för klinisk tillämpning.

Systemet kombinerar LaBraM med en så kallad icke-linjär slumpmässig skogsklassificerare — en beprövad metod inom maskininlärning — för att ta det sista steget från rådata till diagnos. Sammantaget överträffar detta tillvägagångssätt traditionella spektralanalysmetoder som länge varit standard.

Vad det betyder för Sverige

Sverige har ungefär 180 000 personer som lever med demenssjukdom, och Alzheimers utgör den vanligaste formen. Antalet förväntas öka i takt med att befolkningen åldras. Samtidigt är tillgången till specialistläkare ojämn, och väntetiderna på minnesmottagningar är långa — särskilt utanför storstadsregionerna.

En EEG-baserad AI-screening skulle kunna förändra den bilden fundamentalt. EEG-utrustning är redan utbredd på sjukhus och kliniker i hela landet. Den kräver ingen strålning, inget invasivt ingrepp och ingen lång förberedelse. Om systemet når klinisk validering och godkännande från regulatoriska myndigheter — vilket naturligtvis är avgörande — skulle primärvården kunna genomföra inledande screeningar långt innan patienten når en specialist.

Det handlar inte om att ersätta neurologen. Det handlar om att ge neurologen rätt patienter vid rätt tidpunkt.

Från forskning till verklighet

Vägen från lovande forskningsresultat till faktisk klinisk användning är aldrig rak. Modellen behöver valideras på större och mer mångsidiga patientgrupper. Regulatoriska godkännanden tar tid. Och vårdens inbyggda tröghet — förståelig som den är — bromsar alltid teknikinförande.

Men tempot i AI-driven medicinsk diagnostik är högt just nu. Liknande ansatser har redan börjat påverka radiologi, patologi och kardiologi. Alzheimers-diagnostik är nästa naturliga steg, och den här studien visar att hjärnvågsmätning kan vara nyckeln.

Jag är övertygad om att vi inom tre till fem år kommer att se pilotprogram i Norden där EEG-baserad AI-screening används som ett första diagnostiskt filter. Inte som en ersättning för den mänskliga bedömningen — utan som ett kraftfullt verktyg som sätter den mänskliga expertisen i rätt sammanhang, snabbare och för fler.