gms | German Medical Science

Hintergrund: Die Differentialdiagnostik der Multiplen Sklerose stützt sich auf eine Vielzahl anamnestischer, klinischer und apparativer Untersuchungen. In Bezug auf chronisch-entzündliche Erkrankungen des zentralen Nervensystems gelten der IgG-Index und die oligoklonalen Banden als wichtige Laborparameter bei der differentialdiagnostischen Abgrenzung der Multiplen Sklerose [Ref. 1], [Ref. 2]. Die vorliegende Studie untersucht die Potentiale einer computerbasierten Entscheidungsuntersütztung, welche neben den genannten Parametern alle verfügbaren Laborwerte der Liquor- und Blutdiagnostik uni- und multivariat analysiert.

Material und Methoden: Analysiert wurden 34 Laborparameter von Patienten mit Multipler Sklerose (MS, n=73), differentialdiagnostisch relevante chronisch-entzündliche Erkrankungen des zentralen Nervensystems (DD: Neuroborreliose, Neurolues, Zerebrale Manifestation einer HIV-Infektion, Zerebrale Manifestation einer Vaskulitis, Neurosarkoidose, n=22) und eine Kontrollgruppe bestehend aus Patienten mit psychiatrischen, nicht-organischen Erkrankungen (KTRL, n=12). Neben univariaten Analysen wurden als multivariate Ansätze die multiple logistische Regression und künstliche neuronale Netzwerke verwendet; validiert wurde per Leave-one-out.

Ergebnisse: Während eine statistisch signifikante Unterscheidung zwischen MS und KTRL bereits mit nur einem Parameter möglich ist (etwa mittels oligoklonaler Banden, p<0.001), lässt sich eine signifikante Unterscheidung zwischen MS und DD nicht mit einer univariaten Analyse erzielen. Die Hinzunahme weiterer Parameter im Rahmen der multivariaten Analyse erlaubt aber auch hierbei eine signifikante Differenzierung (multiple logistische Regression: p=0.046, künstliches neuronales Netzwerk: p<0.001). Für die Unterscheidung MS vs. DD erzielt das neuronale Netz eine Sensitivität von 84.9%, eine Spezifität von 54.5% und damit eine Genauigkeit von 77.9%.

Diskussion: Ausschließlich anhand von Standard-Laborparametern können knapp 80% der Patienten der Multiplen Sklerose oder einer ihrer Differentialdiagnosen richtig zugeordnet werden. Wenngleich eine solche Leistung in der Entscheidungsunterstützung für den klinischen Routineeinsatz unzureichend ist, so erscheint der multivariate Ansatz durchaus aussichtsreich. Zukünftige Arbeiten werden die Ergebnisse der elektrophysiologischen und bildgebenden Diagnostik integrieren und die Klassifikationsleistung an größeren Patientenkollektiven validieren.