1

et nationalt forsøg indledt af UT sydvestlige i 2011 for bedre at forstå humørsygdomme har produceret, hvad forskere kalder projektets flagskibsfund: en computer, der nøjagtigt kan forudsige, om et antidepressivt middel vil fungere baseret på en patients hjerneaktivitet.

den nye forskning er den seneste blandt flere undersøgelser fra forsøget, der kumulativt viser, hvordan højteknologiske strategier kan hjælpe læger objektivt diagnosticere og ordinere depression behandlinger. Selvom implementeringen af disse tilgange vil tage tid, forudsiger forskere værktøjer som AI, hjerneafbildning og blodprøver vil revolutionere psykiatriområdet i de kommende år.

” disse undersøgelser har været en større succes, end nogen på vores team kunne have forestillet sig,” siger Madhukar Trivedi, M. D., en ut sydvestlige psykiater, der overvågede multi-site forsøg med Stanford, Harvard og andre institutioner. “Vi leverede rigelige data for at vise, at vi kan bevæge os forbi gættespillet om at vælge depressionsbehandlinger og ændre tankegangen om, hvordan sygdommen skal diagnosticeres og behandles.”

EEG-baserede forudsigelser

undersøgelsen offentliggjort i Nature Biotechnology omfattede mere end 300 deltagere med depression, som tilfældigt blev valgt til at modtage enten en placebo eller en SSRI (selektiv serotoningenoptagelsesinhibitor), den mest almindelige klasse af antidepressiva. Forskere brugte et elektroencefalogram eller EEG til at måle elektrisk aktivitet i deltagernes bark, før de begyndte behandling. Holdet udviklede derefter en maskinlæringsalgoritme til at analysere og bruge EEG-dataene til at forudsige, hvilke patienter der ville drage fordel af medicinen inden for to måneder.

ikke kun forudsagde AI nøjagtigt resultater, yderligere forskning antydede, at patienter, der var tvivlsomme om at reagere på et antidepressivt middel, sandsynligvis ville forbedre sig med andre interventioner såsom psykoterapi eller hjernestimulering.

resultaterne blev valideret i yderligere tre patientgrupper.

“denne undersøgelse tager tidligere forskning, der viser, at vi kan forudsige, hvem der nyder godt af et antidepressivt middel, og faktisk bringer det til praktisk nytte,” siger Amit etkin, MD, Ph. D., en Stanford University psykiatri professor, der arbejdede med Trivedi for at udvikle algoritmen.

blandt de næste trin, siger forskere, udvikler en AI-grænseflade, der kan integreres bredt med EEG ‘ er over hele landet, samt søger godkendelse fra US Food and Drug Administration.

signaturer af depression

Data fra undersøgelsen stammer fra det 16-ugers EMBARC-forsøg, som Trivedi indledte på fire amerikanske steder for at etablere biologibaserede, objektive strategier til afhjælpning af humørsygdomme.

projektet evaluerede patienter med større depressiv lidelse gennem hjerneafbildning og forskellige DNA -, blod-og andre tests. Hans mål var at tackle et bekymrende fund fra en anden undersøgelse, han ledede (STAR*D), der fandt, at op til to tredjedele af patienterne ikke reagerer tilstrækkeligt på deres første antidepressive middel.

“vi gik ind i denne tankegang,’ ville det ikke være bedre at identificere i begyndelsen af behandlingen, hvilke behandlinger der ville være bedst for hvilke patienter?'”Forklarer Trivedi.

tidligere EMBARC-undersøgelser identificerede forskellige forudsigelige tests, herunder brugen af magnetisk resonansbilleddannelse (MRI) til at undersøge hjerneaktivitet i både hviletilstand og under behandling af følelser. EEG vil sandsynligvis være det mest anvendte værktøj, siger Trivedi, fordi det er billigere og-i de fleste tilfælde-vil være lige eller mere effektivt.

imidlertid kan en blodprøve eller MR være nødvendig for nogle patienter, hvis depressionen manifesterer sig på en anden måde. “Der er mange underskrifter af depression i kroppen,” siger Trivedi. “At have alle disse tests tilgængelige vil forbedre chancerne for at vælge den rigtige behandling Første gang.”

voksende problem

ifølge data fra National Health and Nutrition Survey Survey er antidepressiv brug i USA steget næsten 65% over halvandet årti-fra 7,7% i 1999-2002 til 12,7% i 2011-2014. Trivedi siger, at den udvidede brug af medicin gør det mere kritisk at yderligere forstå grundlaget for depression og sikre, at patienter får ordineret en effektiv terapi.

mens hans team fortsætter med at evaluere data fra EMBARC-forsøget, har Trivedi igangsat andre store forskningsprojekter for at forbedre remissionshastigheden for depression. Blandt dem er D2K, en undersøgelse, der vil tilmelde 2.500 patienter med depression og bipolære lidelser og følge dem i 20 år. Derudover er RAD en 10-årig undersøgelse af 2.500 deltagere (i alderen 10-24 år), der vil afdække faktorer for at reducere risikoen for at udvikle humør-eller angstlidelser.

ved hjælp af nogle af disse tilmeldinger vil Trivedis forskerteam studere resultaterne fra flere andre tests for at vurdere patienters biologiske signaturer for at bestemme den mest effektive behandling.

“det kan være ødelæggende for en patient, når et antidepressivt middel ikke virker,” siger Trivedi. “Vores forskning viser, at de ikke længere behøver at udholde den smertefulde proces med forsøg og fejl.”