1

en nationell studie initierad av UT Southwestern 2011 för att bättre förstå humörsjukdomar har producerat vad forskare kallar projektets flaggskeppsfynd: en dator som exakt kan förutsäga om ett antidepressivt medel kommer att fungera baserat på patientens hjärnaktivitet.

den nya forskningen är den senaste bland flera studier från försöket som kumulativt visar hur högteknologiska strategier kan hjälpa läkare att objektivt diagnostisera och förskriva depressionsbehandlingar. Även om genomförandet av dessa tillvägagångssätt kommer att ta tid, förutspår forskare verktyg som AI, hjärnavbildning och blodprov kommer att revolutionera psykiatrins område under de kommande åren.

”dessa studier har varit en större framgång än någon i vårt team kunde ha föreställt sig”, säger Madhukar Trivedi, M. D., en UT Southwestern psykiater som övervakade multi-site rättegången med Stanford, Harvard och andra institutioner. ”Vi tillhandahöll rikliga data för att visa att vi kan gå förbi gissningsspelet att välja depressionsbehandlingar och ändra tankesättet på hur sjukdomen ska diagnostiseras och behandlas.”

EEG-baserade förutsägelser

studien publicerad i Nature Biotechnology inkluderade mer än 300 deltagare med depression som slumpmässigt valdes för att få antingen placebo eller en SSRI (selektiv serotoninåterupptagshämmare), den vanligaste klassen av antidepressiva medel. Forskare använde ett elektroencefalogram, eller EEG, för att mäta elektrisk aktivitet i deltagarnas cortex innan de började behandla. Teamet utvecklade sedan en maskininlärningsalgoritm för att analysera och använda EEG-data för att förutsäga vilka patienter som skulle dra nytta av medicinen inom två månader.

inte bara förutspådde AI exakt resultat, ytterligare forskning föreslog att patienter som var tveksamma att svara på ett antidepressivt medel sannolikt skulle förbättras med andra ingrepp som psykoterapi eller hjärnstimulering.

resultaten validerades i ytterligare tre patientgrupper.

”denna studie tar tidigare forskning som visar att vi kan förutsäga vem som drar nytta av ett antidepressivt medel och faktiskt tar det till praktisk nytta”, säger Amit Etkin, MD, Ph.D., En Stanford University psykiatri professor som arbetade med Trivedi för att utveckla algoritmen.

bland de nästa stegen, säger forskare, utvecklar ett AI-gränssnitt som kan integreras i stor utsträckning med EEG över hela landet, samt söker godkännande från US Food and Drug Administration.

signaturer av depression

Data från studien härrör från 16-veckors EMBARC-försök, som Trivedi initierade vid fyra amerikanska platser för att etablera biologibaserade, objektiva strategier för att avhjälpa humörsjukdomar.

projektet utvärderade patienter med egentlig depression genom hjärnavbildning och olika DNA, blod och andra tester. Hans mål var att ta itu med ett oroande resultat från en annan studie som han ledde (STAR*D) som fann att upp till två tredjedelar av patienterna inte svarar tillräckligt på deras första antidepressiva medel.

”vi gick in i detta tänkande,” skulle det inte vara bättre att identifiera i början av behandlingen vilka behandlingar som skulle vara bäst för vilka patienter?”Trivedi förklarar.

tidigare EMBARC-studier identifierade olika prediktiva tester, inklusive användning av magnetisk resonansavbildning (MRI) för att undersöka hjärnaktivitet i både vilotillstånd och under behandling av känslor. EEG kommer sannolikt att vara det vanligaste verktyget, säger Trivedi, eftersom det är billigare och-i de flesta fall-kommer att vara lika eller effektivare.

ett blodprov eller MR kan dock behövas för vissa patienter om depressionen manifesterar sig på ett annat sätt. ”Det finns många signaturer av depression i kroppen”, säger Trivedi. ”Att ha alla dessa tester tillgängliga kommer att förbättra chansen att välja rätt behandling första gången.”

växande problem

enligt data från National Health and Nutrition Examination Survey har antidepressiv användning i USA ökat nästan 65% över ett och ett halvt decennium-från 7,7% 1999-2002 till 12,7% 2011-2014. Trivedi säger att den utvidgade användningen av mediciner gör det mer kritiskt att ytterligare förstå grunden för depression och se till att patienterna ordineras en effektiv terapi.

medan hans team fortsätter att utvärdera data från EMBARC-försöket, har Trivedi initierat andra stora forskningsprojekt för att förbättra depressionsfrekvensen. Bland dem är D2K, en studie som kommer att registrera 2500 patienter med depression och bipolära störningar och följa dem i 20 år. Dessutom är RAD en 10-årig studie av 2500 deltagare (åldrar 10-24) som kommer att avslöja faktorer för att minska risken för att utveckla humör eller ångest.

med hjälp av några av dessa anmälningar kommer Trivedi: s forskargrupp att studera resultaten från flera andra tester för att bedöma patienternas biologiska signaturer för att bestämma den mest effektiva behandlingen.

”det kan vara förödande för en patient när ett antidepressivt medel inte fungerar”, säger Trivedi. ”Vår forskning visar att de inte längre behöver uthärda den smärtsamma processen med försök och fel.”