La investigación identifica nuevos biomarcadores de imágenes que predicen la respuesta antidepresiva
Crédito: UT Southwestern Medical Center
Los modelos predictivos de resultados se desarrollaron en parte utilizando datos de un gran estudio multicéntrico financiado por el Instituto Nacional de Salud Mental y publicados en la revista Biological Psychiatry. Los hallazgos proporcionan una fuerte evidencia de que el enfoque actual de prueba y error utilizado en la práctica clínica para la selección del antidepresivo adecuado puede reemplazarse con este nuevo enfoque de medicina de precisión.
«Este es un avance significativo. No es invasivo. Puede y debe usarse de inmediato», dijo Madhukar Trivedi, MD, profesor de psiquiatría clínica y director del Centro de investigación y atención clínica de la depresión, uno de los pilares del Peter Instituto del Cerebro O’Donnell Jr.
Dr. Trivedi dijo que los nuevos biomarcadores podrían ahorrarles a los pacientes que sufren depresión severa dos o tres meses de tomar el medicamento equivocado. La depresión severa durante tanto tiempo puede conducir a la pérdida del empleo, la pérdida del matrimonio e incluso la pérdida de la vida por suicidio. El estudio probó el fármaco antidepresivo común sertralina con un grupo de control que tomaba un placebo. Los pacientes que no respondieron a la sertralina después de ocho semanas fueron cambiados al antidepresivo bupropión. Los investigadores midieron los cambios en las reacciones del circuito cerebral mientras los participantes del estudio realizaban una tarea de recompensa en el escáner. Se realizaron imágenes de resonancia magnética funcional (fMRI) no invasivas en más de 300 participantes para evaluar los cambios en la función cerebral en reposo, así como durante la tarea de recompensa.
El estudio utilizó esos datos y nuevas innovaciones para construir nuevos modelos de aprendizaje automático que les dicen a los científicos y médicos qué regiones y circuitos específicos del cerebro están asociados con la predicción de la respuesta al tratamiento de cada medicamento.
«Las firmas que encontramos son únicas para la respuesta de cada antidepresivo», dijo Albert Montillo, Ph. .D., Profesor Asistente del Departamento de Bioinformática de Lyda Hill, cuyo laboratorio produjo las 10 000 líneas de código para ajustar de manera eficiente nuevos modelos predictivos y sofisticados métodos de limpieza de datos para suprimir el movimiento de la cabeza de IRMf y lograr niveles de precisión nunca vistos en las pruebas de otros laboratorios.
«Debido a la complejidad inherente del cerebro humano, los neurocientíficos generalmente encuentran que la actividad cerebral puede explicar el 15 por ciento de la variación en el alivio de los síntomas. Eso sería un significativo hallazgo científico hormiga. Veinte por ciento es enorme», dijo el Dr. Montillo. «En este estudio, podemos explicar el 48 por ciento de la variación en el alivio de los síntomas de la sertralina, el 34 por ciento para el bupropión y el 28 por ciento para el placebo».
< El Dr. Trivedi dijo que los resultados son altamente creíbles porque los datos subyacentes que utilizó la investigación son ampliamente representativos de la heterogeneidad de los datos clínicos, incluidos los datos del Hospital General de Massachusetts en Boston, la Universidad de Columbia en Nueva York y la Universidad de Michigan, así como como el rigor del enfoque analítico con el uso de modelos de aprendizaje profundo.
El estudio es una de las primeras adaptaciones del aprendizaje automático profundo a la predicción de resultados de antidepresivos, para la cual el Dr. Montillo desarrolló métodos para ampliar el original datos de fMRI multiplicados por diez. Su trabajo construyó modelos que predicen de manera confiable los resultados, particularmente en pacientes que no se usaron para entrenar los modelos.
«Es una clara mejora de los enfoques de predicción estándar que se usan actualmente», D R. Trivedi dijo. «También hemos llegado a un punto en el que nuestros hallazgos son estables y pueden proporcionar un camino para el trabajo futuro».
Dr. Montillo agregó: «El enfoque analítico que hemos desarrollado se puede adaptar fácilmente para identificar firmas de biomarcadores y predecir los resultados de otros tratamientos para la depresión, tanto farmacológicos como no farmacológicos».
Con un enfoque no invasivo y una gran cantidad de evidencia, los Dres. Trivedi y Montillo dijeron que los médicos deberían cambiar a este enfoque ahora. Buscarán financiamiento adicional para avanzar en la investigación y ver si es compatible con los biomarcadores sanguíneos que desarrolló el Dr. Trivedi.
Explore más
La IA ayuda a los científicos a predecir los resultados de la depresión Más información: Kevin P. Nguyen et al, Patterns of Pre-Treatment Reward Task Brain Activation Predict Individual Antidepressant Response: Key Results from the Ensayo clínico aleatorizado EMBARC, Psiquiatría biológica (2021). DOI: 10.1016/j.biopsych.2021.09.011 Información de la revista: Biological Psychiatry
Proporcionado por UT Southwestern Medical Center Cita: La investigación identifica nuevos biomarcadores de imágenes que predicen los antidepresivos respuesta (2021, 9 de noviembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-11-imaging-biomarkers-antidepressant-response.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.