Verwendung von KI zur besseren Diagnose von Störungen und zur gezielten Behandlung von Arzneimitteln
Neue Forschungsergebnisse legen nahe, dass maschinelles Lernen die Diagnose komplexer psychischer Störungen verbessern und die Auswahl der pharmakologischen Therapie erleichtern kann.
Experten begrüßen den neuen Befund, da Stimmungsstörungen wie Major Depression (MDD) und bipolare Störung oft komplex und schwer zu diagnostizieren sind. Darüber hinaus ist diese diagnostische Herausforderung bei Jugendlichen häufig am größten, wenn sich die Krankheit gerade entwickelt. Unsicher über die Diagnose kann Entscheidungen über Medikamente erschweren.
In einer Verbundstudie des kanadischen Lawson Health Research Institute, des Mind Research Network in New Mexico und des Brainnetome Center der Chinesischen Akademie der Wissenschaften entwickelten die Forscher einen Algorithmus für künstliche Intelligenz (KI), der Gehirnscans analysiert, um Krankheiten bei Patienten mit a besser zu klassifizieren komplexe Stimmungsstörungen und helfen, ihre Reaktion auf Medikamente vorherzusagen.
Die Studie umfasste 78 aufstrebende erwachsene Patienten aus Programmen für psychische Gesundheit am London Health Sciences Centre (LHSC), hauptsächlich aus dem First Episode Mood and Anxiety Program (FEMAP).
Der erste Teil der Studie umfasste 66 Patienten, die die Behandlung für eine eindeutige Diagnose von MDD oder bipolarem Typ I (bipolar I) bereits abgeschlossen hatten. Bipolar I ist eine Form der bipolaren Störung, die vollständige manische Episoden aufweist.
Die Forscher verfolgten weitere 33 Forschungsteilnehmer ohne psychische Erkrankung in der Vorgeschichte. Jeder Einzelne nahm am Scannen teil, um verschiedene Hirnnetzwerke mithilfe der funktionellen Magnetresonanztomographie (fMRT) von Lawson bei St. Joseph's Health Care London zu untersuchen.
Das Forscherteam analysierte und verglich die Scans von Personen mit MDD, bipolarem I und ohne Vorgeschichte von psychischen Erkrankungen und stellte fest, dass sich die drei Gruppen in bestimmten Hirnnetzwerken unterschieden.
Es wurden Unterschiede im Gehirnbereich festgestellt, der als Standardmodus-Netzwerk bezeichnet wird - eine Reihe von Regionen, von denen angenommen wird, dass sie für die Selbstreflexion wichtig sind - sowie im Thalamus, einem „Gateway“, das mehrere kortikale Regionen verbindet und dabei hilft, Erregung und Wachsamkeit zu kontrollieren.
Die Daten wurden von Forschern verwendet, um einen AI-Algorithmus zu entwickeln, der maschinelles Lernen verwendet, um fMRT-Scans zu untersuchen, um zu klassifizieren, ob ein Patient MDD oder bipolar I hat. Bei einem Test gegen die Forschungsteilnehmer mit einer bekannten Diagnose klassifizierte der Algorithmus ihre Krankheit korrekt mit 92,4 pro Cent Genauigkeit.
Das Forschungsteam führte dann eine Bildgebung mit 12 weiteren Teilnehmern mit komplexen Stimmungsstörungen durch, für die eine Diagnose nicht klar war. Sie verwendeten den Algorithmus, um die Gehirnfunktion eines Teilnehmers zu untersuchen, um seine Diagnose vorherzusagen, und untersuchten vor allem die Reaktion des Teilnehmers auf Medikamente.
"Antidepressiva sind der Goldstandard für die pharmazeutische Therapie bei MDD, während Stimmungsstabilisatoren der Goldstandard für bipolares I sind", sagte Dr. Elizabeth Osuch, Klinikerin und Wissenschaftlerin bei Lawson, Ärztliche Direktorin bei FEMAP und Co-Lead Investigator der Studie.
„Es wird jedoch schwierig vorherzusagen, welche Medikamente bei Patienten mit komplexen Stimmungsstörungen wirken werden, wenn eine Diagnose nicht klar ist. Werden sie besser auf ein Antidepressivum oder einen Stimmungsstabilisator reagieren? “
Das Forscherteam stellte die Hypothese auf, dass Teilnehmer, die vom Algorithmus als MDD eingestuft wurden, auf Antidepressiva reagieren würden, während Teilnehmer, die als bipolar eingestuft wurden, auf Stimmungsstabilisatoren reagieren würden. Bei Tests mit komplexen Patienten reagierten 11 von 12 auf die vom Algorithmus vorhergesagten Medikamente.
"Diese Studie ist ein wichtiger Schritt, um einen Biomarker für das Ansprechen von Medikamenten bei aufstrebenden Erwachsenen mit komplexen Stimmungsstörungen zu finden", sagte Osuch. "Es deutet auch darauf hin, dass wir eines Tages ein objektives Maß für psychiatrische Erkrankungen durch Bildgebung des Gehirns haben könnten, das die Diagnose bei allen Gesundheitsdienstleistern schneller, effektiver und konsistenter machen würde."
Psychiater stellen derzeit eine Diagnose, die auf der Anamnese und dem Verhalten eines Patienten basiert. Medikationsentscheidungen basieren auf dieser Diagnose. "Dies kann bei komplexen Stimmungsstörungen und im frühen Verlauf einer Krankheit schwierig sein, wenn die Symptome möglicherweise weniger genau definiert sind", sagte Osuch.
„Patienten können auch mehr als eine Diagnose haben, beispielsweise eine Kombination aus einer Stimmungsstörung und einer Substanzmissbrauchsstörung, was die Diagnose weiter erschwert. Ein biologischer Test oder ein biologisches Verfahren, um festzustellen, auf welche Medikamentenklasse ein Patient ansprechen wird, würde den Bereich der Psychiatrie erheblich verbessern. “
Quelle: Lawson Health Research Institute
