For pasienter som søker lindring fra depresjon, kan det ta måneder å finne en effektiv behandling.
Men hjernebølgemønstre kan potensielt bidra til å forutsi hvordan enkeltpasienter ville reagere på et antidepressivt middel før behandlingen til og med begynner, ifølge en ny studie publisert 10. februar i tidsskriftet Nature Biotechnology.
Studien adresserer en av psykiatriens grunnleggende utfordringer: mangel på tester som kan hjelpe leger til å bestemme de beste behandlingsalternativene for pasienter med depresjon, sa studieforfatter Dr. Madhukar Trivedi, en psykiatriprofessor ved UT Southwestern Medical Center i Dallas. I stedet, sa Trivedi, er leverandørene avhengige av en prøve-og-feil-prosess der pasienter prøver medisiner i seks til åtte ukers sykluser. Denne upresise metoden bidrar til en generell oppfatning av at antidepressiva er ineffektive, la Dr. Amit Etkin til, studiemedforfatter og professor i psykiatri ved Stanford University.
Men en nøyaktig prediktor for en persons ideelle behandling kan ta mye gjetting ut av ligningen - og spare pasienter måneder med frustrasjon, sa Katie Burkhouse, en adjunkt i psykiatri ved University of Illinois i Chicago som ikke var involvert i studien .
Den nye studien er "et viktig første skritt" for å nå dette målet, fortalte Burkhouse til Live Science.
For studien samlet forskere hjernebølgelesninger fra mer enn 300 pasienter som hadde fått diagnosen depresjon. Avlesningene ble tatt med elektroencefalografi (EEG), en ikke-invasiv metode som innebærer å feste elektroder til pasientenes skalp. Pasientene ble deretter tilfeldig tildelt å motta enten en placebo eller antidepressiva sertralin (kommersielt kjent som Zoloft).
Neste, basert på EEG-dataene, designet forskerne en ny algoritme for kunstig intelligens (AI) for å forutsi pasienters respons på medisiner. De fant ut at pasienter med et visst hjernebølgemønster i starten av studien mest sannsynlig ville svare positivt på sertralin etter åtte ukers behandling. Forskere anvendte deretter algoritmen sin til ytterligere tre pasientdatasett (fra tidligere studier) for å bekrefte funnene.
Resultatene "går imot den rådende visdom om at disse stoffene bare er ineffektive," sa Etkin. "De er faktisk ganske effektive, men bare for en underpopulasjon av mennesker."
Mens funnene fra denne studien er lovende, er det uklart om AI vil være mulig å bruke i "virkelige verden" kliniske omgivelser, sa Burkhouse.
Studien evaluerte spesifikt hvordan pasienter responderte på sertralin, for eksempel, som bare er en av mange mulige behandlinger for depresjon. "Et neste trinn for studien vil være å teste om det er forutsi for andre behandlingsformer som ikke nødvendigvis bare er medisinbasert," som kognitiv terapi og hjernestimulering, sa Burkhouse.
Når de brukte algoritmen sin for å undersøke de tidligere publiserte datasettene, fant forskerne at pasienter som hadde mindre sannsynlighet for å svare på antidepressiva, var mer sannsynlig å svare på hjernestimulering og psykoterapibehandlinger kombinert. Fortsatt er dette funnet foreløpig og krever mye mer forskning for å bekrefte.
Fortsatt sa Etkin at teknologien lett kan tilpasses for bruk på legekontorer, ettersom EEG har blitt brukt i nevrologi i flere tiår. Leger kunne trenes i en forenklet versjon av EEG, og deretter kunne dataene lastes opp og behandles av algoritmen. Legen vil da motta en rapport som detaljerte om pasienten sannsynligvis vil svare på visse medisiner, la Etkin til.
Etkin sa at han håper funnene hjelper til å innlede "begynnelsen av presisjonspsykiatri."
Etkin er grunnlegger og administrerende direktør for Alto Neuroscience, en oppstart som har som mål å utvikle personaliserte psykiske helsebehandlinger. Han har for tiden permisjon fra Stanford for å jobbe i selskapet.
Redaktørens merknad: Denne artikkelen ble oppdatert 21. februar for å legge til tilleggsinformasjon om bruken av algoritmen hos pasienter som hadde mindre sannsynlighet for å svare på antidepressiva.
