New Imaging Biomarkers That Predict Antidepressant Response Identified

Resumo: Combinando neuroimagem e inteligência artificial, os pesquisadores identificaram novas assinaturas cerebrais exclusivas para a resposta de cada antidepressivo.

Fonte: UT Southwestern Medical Center

A pesquisa liderada pela UT Southwestern identificou biomarcadores de imagem cerebral por ressonância magnética que trazem novos níveis de precisão para a prescrição dos antidepressivos mais eficazes.

Os modelos preditivos de resultados foram desenvolvidos em parte usando dados de um grande estudo multicêntrico financiado pelo Instituto Nacional de Saúde Mental e publicado na revista. Psiquiatria Biológica.

Os resultados fornecem fortes evidências de que a abordagem atual de tentativa e erro usada na prática clínica para a seleção do antidepressivo certo pode ser substituída por esta nova abordagem de medicina de precisão.

“Este é um avanço significativo. Não é invasivo. Ele pode e deve ser usado imediatamente ”, disse Madhukar Trivedi, MD, Professor de Psiquiatria Clínica e Diretor do Centro de Pesquisa de Depressão e Cuidados Clínicos, um dos pilares do Peter O’Donnell Jr. Brain Institute.

Dr. Trivedi disse que os novos biomarcadores podem poupar os pacientes que sofrem de depressão severa de dois a três meses após tomarem a medicação errada. A depressão severa durante tanto tempo pode levar à perda do emprego, do casamento e até mesmo à morte por suicídio.

O estudo testou o antidepressivo comum sertralina com um grupo de controle que recebeu um placebo. Os pacientes que não responderam à sertralina após oito semanas foram trocados para o antidepressivo bupropiona.

Os pesquisadores mediram as mudanças nas reações do circuito cerebral enquanto os participantes do estudo realizavam uma tarefa de recompensa no scanner. A ressonância magnética funcional não invasiva (fMRI) foi realizada em mais de 300 participantes para avaliar as mudanças na função cerebral em repouso, bem como durante a tarefa de recompensa.

O estudo usou esses dados e inovações para construir novos modelos de aprendizado de máquina que informam aos cientistas e médicos quais regiões e circuitos cerebrais específicos estão associados à previsão da resposta ao tratamento para cada medicamento.

“As assinaturas que encontramos são exclusivas para a resposta de cada antidepressivo”, disse Albert Montillo, Ph.D., professor assistente do Departamento de Bioinformática de Lyda Hill, cujo laboratório produziu as 10.000 linhas de código para ajustar com eficiência novos modelos preditivos e dados sofisticados métodos de limpeza para suprimir o movimento da cabeça do fMRI e atingir níveis de precisão nunca vistos em testes de outros laboratórios.

“Devido à complexidade inerente do cérebro humano, os neurocientistas normalmente descobrem que a atividade cerebral pode explicar 15 por cento da variação no alívio dos sintomas. Essa seria uma descoberta científica significativa. Vinte por cento é enorme ”, disse Montillo. “Neste estudo, somos capazes de explicar 48 por cento da variação no alívio dos sintomas da sertralina, 34 por cento da bupropiona e 28 por cento do placebo.”

Isso mostra um cérebro
O estudo usou esses dados e inovações para construir novos modelos de aprendizado de máquina que informam aos cientistas e médicos quais regiões e circuitos cerebrais específicos estão associados à previsão da resposta ao tratamento para cada medicamento. Crédito: UT Southwestern Medical Center

O Dr. Trivedi disse que os resultados são altamente confiáveis ​​porque os dados subjacentes que a pesquisa utilizou são amplamente representativos da heterogeneidade dos dados clínicos, incluindo dados do Massachusetts General Hospital em Boston, da Columbia University em Nova York e da University of Michigan, bem como do rigor da abordagem analítica com o uso de modelos de aprendizagem profunda.

O estudo é uma das primeiras adaptações do aprendizado de máquina profundo para a previsão de resultados de antidepressivos, para o qual o Dr. Montillo desenvolveu métodos para amplificar dez vezes os dados originais de fMRI. Seu trabalho construiu modelos que prevêem resultados de forma confiável, principalmente em pacientes que não foram usados ​​para treinar os modelos.

“É uma melhoria clara em relação às abordagens de previsão padrão usadas atualmente”, disse o Dr. Trivedi. “Também alcançamos um ponto em que nossas descobertas são estáveis ​​e podem fornecer um caminho para trabalhos futuros.”

Dr. Montillo acrescentou: “A abordagem analítica que desenvolvemos pode ser facilmente adaptada para identificar assinaturas de biomarcadores e prever resultados para outros tratamentos de depressão, tanto farmacológicos quanto não farmacológicos”.

Com uma abordagem não invasiva e uma abundância de evidências, os drs. Trivedi e Montillo disseram que os médicos devem mudar para essa abordagem agora. Eles buscarão financiamento adicional para avançar a pesquisa e ver se é compatível com os biomarcadores sanguíneos que o Dr. Trivedi desenvolveu.

Drs. Trivedi e Montillo não têm conflitos de interesse relacionados a este trabalho.

Sobre estas notícias de pesquisa em neuroimagem e psicofarmacologia

Autor: Assessoria de Imprensa
Fonte: UT Southwestern Medical Center
Contato: Assessoria de imprensa – UT Southwestern Medical Center
Imagem: UT Southwestern Medical Center

Pesquisa original: Acesso livre.
“Padrões de ativação do cérebro da tarefa de recompensa pré-tratamento prediz a resposta individual ao antidepressivo: principais resultados do ensaio clínico randomizado EMBARC” por Madhukar Trivedi et al. Psiquiatria Biológica


Resumo

Veja também

Isso mostra DNA

Padrões de ativação cerebral da tarefa de recompensa antes do tratamento Prever a resposta individual ao antidepressivo: principais resultados do ensaio clínico randomizado EMBARC

Fundo

A falta de biomarcadores para informar a seleção de antidepressivos é um desafio chave no tratamento personalizado da depressão. Este trabalho identifica biomarcadores candidatos através da construção de preditores de aprendizagem profunda de resultados de tratamento individual usando medidas de processamento de recompensa de ressonância magnética funcional, avaliações clínicas e dados demográficos.

Métodos

Participantes do estudo Estabelecendo Moderadores e Bioassinaturas de Resposta a Antidepressivos em Cuidados Clínicos (EMBARC) (n = 222) foram submetidos a processamento de recompensa com base em tarefas de ressonância magnética funcional no início do estudo e foram randomizados para 8 semanas de sertralina (n = 106) ou placebo (n = 116). Posteriormente, os não respondedores da sertralina (n = 37) mudou para 8 semanas de bupropiona. A mudança na Escala de Avaliação de Hamilton para Depressão (ΔHAMD) foi medida após o tratamento. Processamento de recompensa, medidas clínicas e dados demográficos foram usados ​​para treinar modelos de aprendizagem profunda específicos para tratamentos.

Resultados

O modelo preditivo para a sertralina alcançou R2 de 48% (IC 95% 33-61%, p <10-3) na previsão de ΔHAMD e número necessário para tratar (NNT) de 4,86 ​​participantes na previsão de resposta. O modelo de placebo alcançou R2 de 28% (IC 95% 15-42%, p <10-3) e NNT de 2,95 na previsão de resposta. O modelo de bupropiona alcançou R2 de 34% (IC 95% 10-59%, p <10-3) e NNT de 1,68 na previsão de resposta. As regiões do cérebro onde a atividade de processamento de recompensa foi preditiva incluíram o córtex pré-frontal e crus 1 cerebelar para a sertralina e o córtex cingulado, caudato, córtex orbitofrontal e crus 1 para bupropiona.

Conclusões

Essas descobertas demonstram a utilidade das medidas de processamento de recompensas e do aprendizado profundo para prever resultados de antidepressivos e formar biomarcadores de tratamento multimodal.

Leave a Reply

Your email address will not be published. Required fields are marked *