La firma neurale identifica le persone che potrebbero rispondere ai farmaci antidepressivi

I ricercatori hanno scoperto una firma neurale che prevede se gli individui con depressione probabilmente trarranno beneficio dalla sertralina, un farmaco antidepressivo comunemente prescritto. I risultati, pubblicati su Nature Biotechnology, suggeriscono che nuove tecniche di apprendimento automatico possono identificare schemi complessi nell’attività cerebrale di una persona che sono correlati a risultati clinici significativi. La ricerca è stata finanziata dal National Institute of Mental Health (NIMH), parte del National Institutes of Health. Oggi in psichiatria c’è un grande bisogno di test oggettivi che possano dare informazioni sul trattamento e andare oltre alcuni dei limiti del sistema diagnostico. Questi risultati sono entusiasmanti perché riflettono i progressi compiuti verso questo obiettivo clinico e mostrano anche il potenziale di portare sofisticati metodi di analisi dei dati nella psichiatria. La depressione maggiore è uno dei disturbi mentali più comuni, che colpisce circa il 7% degli adulti negli Stati Uniti nel 2017, ma i sintomi riscontrati possono variare da persona a persona. Mentre alcuni possono sperimentare molte delle caratteristiche – tra cui umore triste persistente, sentimenti di disperazione, perdita di piacere e riduzione dell’energia – altri possono sperimentarne solo alcuni. Esistono diverse opzioni basate sull’evidenza disponibili per il trattamento della depressione, ma determinare quale trattamento possa funzionare meglio per una persona specifica può essere una questione di tentativi ed errori. Ricerche precedenti hanno suggerito che componenti specifici dell’attività cerebrale, misurati mediante elettroencefalografia a riposo (EEG), potrebbero fornire informazioni su come le persone risponderanno a determinati trattamenti. Tuttavia, i ricercatori devono ancora sviluppare modelli predittivi in ​​grado di differenziare tra la risposta ai farmaci antidepressivi e la risposta al placebo e che possono anche prevedere i risultati per i singoli pazienti. Entrambe le caratteristiche sono essenziali affinché la firma neurale abbia rilevanza clinica. I ricercatori hanno sviluppato un nuovo algoritmo di apprendimento automatico specializzato per l’analisi dei dati EEG chiamato SELSER (Sparse EEG Latent SpacE Regression). Hanno ipotizzato che questo algoritmo potrebbe essere in grado di identificare firme neurali robuste e affidabili della risposta al trattamento antidepressivo. I ricercatori hanno utilizzato SELSER per analizzare i dati dello studio che istituisce moderatori e biosignature della risposta antidepressiva in Clinic Care (EMBARC) finanziati dal NIMH, un ampio studio clinico randomizzato sul farmaco antidepressivo sertralina, un inibitore selettivo per la ricaptazione della serotonina (SSRI). Come parte dello studio, i partecipanti con depressione sono stati assegnati in modo casuale a ricevere sertralina o placebo per otto settimane. I ricercatori hanno applicato SELSER ai dati EEG pre-trattamento dei partecipanti, esaminando se la tecnica di apprendimento automatico potrebbe produrre un modello che preveda i sintomi depressivi dei partecipanti dopo il trattamento. SELSER è stato in grado di prevedere in modo affidabile la risposta individuale del paziente alla sertralina sulla base di un tipo specifico di segnale cerebrale, noto come onde alfa, registrato quando i partecipanti avevano gli occhi aperti. Questo modello basato su EEG ha sovraperformato i modelli convenzionali che utilizzavano dati EEG o altri tipi di dati a livello individuale, come la gravità dei sintomi e le caratteristiche demografiche. Le analisi di set di dati indipendenti, utilizzando diversi metodi complementari, hanno suggerito che le previsioni fatte da SELSER potrebbero estendersi a risultati clinici più ampi oltre la risposta alla sertralina. In un set di dati indipendenti, i ricercatori hanno scoperto che il modello SELSER basato su EEG prevedeva un miglioramento maggiore per i partecipanti che avevano mostrato una risposta parziale ad almeno un farmaco antidepressivo rispetto a quelli che non avevano risposto a due o più farmaci, in linea con i risultati clinici. Un altro set di dati indipendenti ha mostrato che i partecipanti che erano stati predetti da SELSER per mostrare pochi miglioramenti con la sertralina avevano maggiori probabilità di rispondere al trattamento che coinvolge un tipo specifico di stimolazione cerebrale non invasiva chiamata stimolazione magnetica transcranica (in combinazione con la psicoterapia). Sono attualmente in corso lavori per replicare ulteriormente questi risultati in grandi campioni indipendenti per determinare il valore di SELSER come strumento diagnostico. Secondo Etkin, Trivedi, Wu e colleghi, la presente ricerca evidenzia il potenziale dell’apprendimento automatico per promuovere un approccio personalizzato al trattamento della depressione. Il fatto che l’EEG sia uno strumento a basso costo e accessibile rende la traduzione dalla ricerca alla pratica clinica abbastanza attuabile nel breve termine. Si spera che queste scoperte possano essere un punto di svolta per quanto riguarda l’impatto dell’apprendimento automatico e dei test oggettivi.

Daniele Corbo

Bibliografia: “Antidepressant-responsive brain signature in major depression defined by electroencephalography”. Wei Wu, Yu Zhang, Jing Jiang, Molly V. Lucas, Gregory A. Fonzo, Camarin E. Rolle, Crystal Cooper, Cherise Chin-Fatt, Noralie Krepel, Carena A. Cornelssen, Rachael Wright, Russell T. Toll, Hersh M. Trivedi, Karen Monuszko, Trevor L. Caudle, Kamron Sarhadi, Manish K. Jha, Joseph M. Trombello, Thilo Deckersbach, Phil Adams, Patrick J. McGrath, Myrna M. Weissman, Maurizio Fava, Diego A. Pizzagalli, Martijn Arns, Madhukar H. Trivedi & Amit Etkin. Nature Biotechnology

Immagine: Depression (Pracheta Banerjee)

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...

Questo sito utilizza Akismet per ridurre lo spam. Scopri come vengono elaborati i dati derivati dai commenti.