SP3: Neuroimaging-Backbone Studie und Datenharmonisierung

• Antragsteller: Professor Dr. Felix Blankenburg, seit 6/2022; Professor Dr. Henrik Walter
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften ; Biologische Psychologie und Kognitive Neurowissenschaften ; Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 442075332

Die Bildgebung des Gehirns (Neuroimaging) ist eine wichtige Methode, um Informationen über Hirnprozesse zu liefern, die für die Psychotherapie-Forschung relevant sind. In unserer prospektiv-longitudinalen Psychotherapie-Beobachtungstudie werden wir daher eine Neuroimaging-Batterie zur Baselinemessung einsetzen, die auf verschiedene Aspekte der Emotionsregulation, welche wir als wesentlichen Mechanismus im Rahmen einer Psychotherapie ansehen, fokussiert. Das Subprojekt hat drei Arbeitspakete. Im ersten Arbeitspaket werden wir die Neuroimagingbatterie pilotieren und optimieren. Sie besteht aus drei Emotionsregulations-Paradigmen, die das Spektrum von automatischer bis zur willentlichen Emotionsregulation abdeckt, aus resting-state MRT (Magnetresonanztomographie)-Daten und aus strukturellen MRT-Daten. Im zweiten Arbeitspaket werden wir die Doktoranden für die Durchführung der Hauptstudie anleiten und trainieren und sie während der Durchführung der Hauptstudie supervidieren sowie eine kontinuierliche Qualitätssicherung der erhobenen Daten etablieren und durchführen. Zudem werden wir mit Hilfe unserer Pipeline HALFPipe eine harmonisierte Vorverarbeitung und basale Analyse der Neuroimaging Daten durchführen und deren Ergebnisse allen Subprojekten zur Verfügung stellen. Im dritten Arbeitspaket werden wir Netzwerkanalysen der resting-state MRT Daten und der funktionellen MRT-Daten zur Prädiktion der Non-Response durchführen. Dabei kommt unsere neu entwickelte Toolbox NBS-Predict (NBS=network based statistics) zum Einsatz. NBS-Predict kombiniert eine datengetriebene Konstruktion von Netzwerken, die biologisch interpretiert werden können, mit Algorithmen des maschinellen Lernens zur Prädiktion.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5187: Personalisierte Psychotherapie für Patient*innen mit fehlendem Behandlungserfolg: Mechanismen, prädiktive Marker und klinische Anwendung
• Ehemaliger Antragsteller: Professor Dr. Hauke Reiner Heekeren, bis 6/2022