Die Verwendung der Elektroenzephalographie zur Vorhersage des Ansprechens auf antidepressive Behandlungen bei Anhedonie

• Antragsteller: Andreas Strube, Ph.D.
• Fachliche Zuordnung: Biologische Psychiatrie ; Kognitive und systemische Humanneurowissenschaften ; Kognitive, systemische und Verhaltensneurobiologie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 531626241

Das Projekt zielt darauf ab, die Genauigkeit der Vorhersage von Behandlungsreaktionen bei Personen mit Major Depression Disorder (MDD) mithilfe von maschinellem Lernen auf der Grundlage von Elektroenzephalographie (EEG)-Messungen zu verbessern. Die EEG-Daten werden analysiert, um objektive Marker zu identifizieren, die mit der Hirnaktivität und -vernetzung zusammenhängen und zwischen Personen unterscheiden können, die wahrscheinlich positiv auf antidepressive Medikamente ansprechen, und solchen, die dies nicht tun. Das Projekt konzentriert sich auf zwei häufig verwendete antidepressive Medikamente, Sertralin (ein selektiver Serotonin-Wiederaufnahmehemmer oder SSRI) und Bupropion (ein atypisches Antidepressivum), um zu untersuchen, ob es spezifische EEG-Marker gibt, die mit der Behandlungsreaktion auf jedes Medikament verbunden sind und ob diese Marker sich zwischen den beiden Medikamenten unterscheiden. Dies könnte wertvolle Einblicke in die Wirkungsmechanismen dieser Medikamente liefern und Ärzten helfen, fundierte Entscheidungen darüber zu treffen, welches Medikament für einen bestimmten Patienten möglicherweise wirksamer ist. Anhedonie, die Unfähigkeit, Freude zu empfinden, ist ein Kernsymptom von MDD und ist oft schwer zu behandeln. Das Projekt zielt darauf ab, die Rolle der Anhedonie bei der Behandlungsreaktion genauer zu untersuchen, indem es deren Beziehung zu EEG-Messungen untersucht. Konkret wird das Projekt untersuchen, ob EEG-Marker, die mit Belohnungsverarbeitung und emotionaler Regulation zusammenhängen, mit Anhedonie verbunden sind und ob diese Marker die Behandlungsreaktion bei Personen mit MDD vorhersagen können, die Anhedonie erfahren. Dies könnte zu einem tieferen Verständnis der neurobiologischen Mechanismen führen, die der Anhedonie zugrunde liegen, und potenzielle Interventionsziele liefern. Fortgeschrittene maschinelle Lernalgorithmen werden verwendet, um die komplexen EEG-Daten zu analysieren und Muster oder Marker zu identifizieren, die eine genaue Vorhersage der Behandlungsreaktion ermöglichen. Diese Algorithmen erlauben die Verarbeitung großer Datenmengen und die Identifizierung von Mustern, die durch traditionelle statistische Analysen möglicherweise nicht offensichtlich sind. Durch die Entwicklung und Validierung robuster maschineller Lernmodelle zielt das Projekt darauf ab, ein Vorhersage-Tool zu schaffen, das in der klinischen Praxis zur Unterstützung von Behandlungsentscheidungen und Verbesserung von Patientenergebnissen eingesetzt werden kann. Die Ergebnisse des Projekts werden durch Veröffentlichungen und Präsentationen auf Konferenzen der wissenschaftlichen Gemeinschaft zugänglich gemacht. Ziel ist es, zur Psychiatrie beizutragen und das Verständnis der neurobiologischen Mechanismen, die der Behandlungsreaktion bei Personen mit MDD zugrunde liegen, zu vertiefen.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Diego Pizzagalli, Ph.D.