Neues Tool schätzt die Resistenz gegen Antidepressiva

Die genaue Vorhersage der Wahrscheinlichkeit eines Ansprechens auf Antidepressiva bei einzelnen Patienten könnte ein wichtiger Schritt bei der Entwicklung individueller Behandlungspläne sein.

Eine neue Studie unter der Leitung von Dr. Roy Perlis, die in der Zeitschrift veröffentlicht wurde Biologische Psychiatrie geht einen langen Weg, um dieses Ziel zu erreichen.

Derzeit ist die Wirksamkeit von Antidepressiva bei den Patienten sehr unterschiedlich, und die Gesamtwirksamkeit der derzeitigen Medikamente ist weniger als hervorragend.

Beispielsweise reagierten in der größten jemals durchgeführten Antidepressivum-Studie - der vom National Institute of Mental Health finanzierten STAR * D-Studie - nur 30 Prozent der Patienten auf ihr ursprüngliches Antidepressivum. Sie untersuchten auch, dass nach einem vollen Jahr und bis zu vier verschiedenen Behandlungen erstaunliche 30 Prozent der Patienten keine Remission erreichten.

In seiner Studie sammelte Perlis Daten aus der STAR * D-Studie und verwendete mehrere Vorhersagemodelle, um statistische Muster zu identifizieren.

Unter Verwendung des Modells mit der besten Leistung erstellte er dann einen Online-Risikorechner und ein Visualisierungstool, die eine grafische Schätzung des Risikos einer Person für Behandlungsresistenz liefern.

„Um auf die Bedürfnisse einzelner depressiver Patienten eingehen zu können, müssen wir Wege finden, um psychiatrische Behandlungen so zu gestalten, dass sie auf die Unterschiede zwischen Patienten mit Depressionen reagieren.

"Der" Depressionsrechner ", der aus der STAR * D-Studie hervorgeht, ist ein Schritt vorwärts in dieser Anstrengung", sagte Dr. John Krystal, Herausgeber von Biologische Psychiatrie.

"Um dies besser zu machen, müssen wir Biomarker einbeziehen, die möglicherweise die Funktion erfüllen, die Blutuntersuchungen und Blutdruckmessungen in anderen Bereichen der Medizin erfüllen."

Perlis stimmte zu und kommentierte: „Die Entdeckung von Biomarkern zur Vorhersage klinischer Ergebnisse wurde groß geschrieben. Zweifellos wird diese Anstrengung irgendwann erfolgreich sein.

"Andererseits ist es durchaus möglich, dass klinische Merkmale uns dabei helfen, einen Teil des Weges dorthin zu finden - dass klinische Merkmale dazu beitragen können, nützliche Vorhersagen zu treffen."

„Die Analogie, die ich ziehen würde, ist der Framingham-Score zur Vorhersage des kardiovaskulären Risikos. Es ist alles andere als perfekt und es gibt viel zu kritisieren - aber es hat zumindest die Bemühungen angeregt, Vorhersagen in einem klinischen Umfeld zu verwenden. Es hat auch eine Plattform bereitgestellt, auf der Biomarker hinzugefügt werden können, sobald sie identifiziert wurden “, fügte er hinzu.

In der Zwischenzeit besteht der Sinn der Online-Bereitstellung eines klinischen Rechners darin, den Klinikern das Ausprobieren zu ermöglichen - um zu sehen, was getan werden könnte, wenn der Wille und die Ressourcen vorhanden wären.

Quelle: Elsevier