ALPACA: KI-gestützte Umgebung zur Optimierung von Alzheimer-Therapien

Die Alzheimer‑Forschung steht vor einer großen Herausforderung: Individuelle, sequentielle Behandlungsstrategien zu testen, ist aufgrund langer Krankheitsverläufe und großer Patientenheterogenität kaum praktikabel. Mit dem neuen Open‑Source‑Projekt ALPACA (Alzheimer’s Learning Platform for Adaptive Care Agents) soll dieses Problem angegangen werden. ALPACA ist ein Gym‑kompatibles Reinforcement‑Learning‑Umfeld, das es Forschern ermöglicht, personalisierte Therapiepläne systematisch zu untersuchen.

Das Herzstück von ALPACA bildet das Continuous Action‑conditioned State Transitions (CAST) Modell. CAST wurde mit Langzeitdaten aus der Alzheimer’s Disease Neuroimaging Initiative (ADNI) trainiert und kann realistische, medikamentenabhängige Krankheitsverläufe simulieren. Dadurch lassen sich verschiedene Behandlungsentscheidungen in einer virtuellen Umgebung testen, ohne dass klinische Studien nötig wären.

In ersten Experimenten konnten die Autoren zeigen, dass CAST autoregressiv glaubwürdige Therapie‑Trajektorien erzeugt. Reinforcement‑Learning‑Agenten, die in ALPACA trainiert wurden, übertrafen sowohl die „Kein‑Behandlung“-Strategie als auch von Klinikern nachgeahmte Verhalten. Besonders vielversprechend ist, dass die Agenten bei der Auswahl von Medikamenten auf klinisch relevante Patientenmerkmale zurückgreifen – ein Hinweis auf die Interpretierbarkeit der Modelle.

ALPACA stellt damit ein wiederverwendbares In‑Silico‑Testfeld dar, das die Entwicklung und Bewertung von individualisierten, sequentiellen Behandlungsentscheidungen für Alzheimer‑Patienten beschleunigt. Durch die Kombination aus realen Daten, fortschrittlicher Simulation und KI‑gestützter Entscheidungsfindung eröffnet das Projekt neue Wege, die Therapieoptimierung in der Alzheimer‑Forschung voranzutreiben.