Hirnscan soll Wirksamkeit vorhersagen

Depressive Patienten haben meist einen langen Leidensweg hinter sich, bis eine Therapie gefunden ist, die ihnen hilft. Für die medikamentöse Behandlung gilt die Faustregel, dass nur etwa ein Drittel der Patienten auf ein gegebenes Antidepressivum gut anspricht, ein Drittel spricht nur mäßig an und ein weiteres Drittel gar nicht. Bis sich herausstellt, zu welcher Gruppe der Patient gehört, vergehen in der Regel quälend lange Wochen bis Monate.

Eine Möglichkeit zur Vorhersage eines Therapieerfolgs wäre daher sehr wünschenswert. Da man mittlerweile davon ausgeht, dass sich hinter dem Dachbegriff Depression verschiedene Hirnerkrankungen mit derselben Symptomatik verbergen, gab es bereits Versuche, hierfür das Ruhe-Elektroenzephalogramm (EEG) heranzuziehen. Die Teilnehmerzahlen an entsprechenden Studien waren jedoch niedrig und die Übertragbarkeit auf andere Populationen wurde nicht untersucht, sodass die Aussagekraft gering war.

Forscher der US-amerikanischen Eliteuniversität Stanford berichten nun im Fachjournal »Nature Biotechnology« von einem neuen Ansatz, der künstliche Intelligenz (KI) verwendet. Die Wissenschaftler um Dr. Wei Wu entwickelten das KI-Programm SELSER, das sie darauf trainierten, im Ruhe-EEG von depressiven Patienten Muster zu erkennen, die ein Ansprechen auf den selektiven Serotonin-Wiederaufnahmehemmer Sertralin vorhersagen. Hierzu verwendeten sie die EEG-Aufnahmen von 228 depressiven Patienten, die an einer achwöchigen placebokontrollierten Wirksamkeitsstudie mit Sertralin teilgenommen hatten. SELSER wurde sowohl mit den EEG-Daten als auch mit der Information gefüttert, welche Patienten auf die Sertralin- beziehungsweise Placebotherapie angesprochen hatten.

Das Programm war anschließend in der Lage, nicht nur bei den Patienten dieser Kohorte, sondern auch bei zwei weiteren mit jeweils 72 beziehungsweise 24 Patienten, anhand des Ruhe-EEG ein Ansprechen auf Sertralin vorherzusagen. Dabei konnte es auch zwischen der tatsächlichen Wirkung des Medikaments und dem Placeboeffekt, der bei Antidepressiva meist sehr ausgeprägt ist, unterscheiden. Ein weiterer Vorteil gegenüber früheren Untersuchungen war, dass SELSER unabhängig vom Modell des verwendeten Enzephalographen war, also der Maschine, die den Hirnscan macht.

Das System lege den Grundstein für die Entwicklung einer individuellen Therapie der Depression, die auf der Identifizierung verschiedener, neurobiologisch definierter Phänotypen basiert, so die Autoren. Um diese zu erkennen, bedarf es zwingend der KI, denn die Untersucher selbst wissen nicht, welche spezifischen Merkmale des EEG das System letztlich verwendete, um seine Unterscheidung zu treffen.