Zusammenfassung: Forscher haben ein maschinelles Lerntool entwickelt, das mithilfe von MRT-Gehirnscans Personen mit hohem Psychoserisiko genau identifiziert. Dieser innovative Ansatz, der im Training eine Genauigkeitsrate von 85 % und bei der Verwendung neuer Daten eine Genauigkeit von 73 % erreichte, bietet einen vielversprechenden Weg für eine frühzeitige Intervention bei Psychosen und kann möglicherweise die Behandlungsergebnisse verbessern.
An der Studie nahmen über 2.000 Teilnehmer aus 21 Standorten weltweit teil und unterstrichen das Potenzial des Tools in verschiedenen klinischen Umgebungen. Durch die Erkennung struktureller Gehirnunterschiede vor dem Ausbruch einer Psychose stellt dieses Tool einen bedeutenden Fortschritt in der psychiatrischen Versorgung dar und zielt auf bessere Vorhersage- und Präventionsstrategien ab.
Wichtige Fakten:
- Der maschinell lernende Klassifikator kann mithilfe von MRT-Gehirnscans mit hoher Genauigkeit zwischen Personen mit hohem Psychoserisiko und solchen ohne Risiko unterscheiden.
- Die frühzeitige Erkennung des Psychoserisikos durch MRT-Scans könnte zu wirksameren Interventionen führen und die Auswirkungen auf das Leben des Einzelnen verringern.
- Die Forschung betont die Notwendigkeit einer Weiterentwicklung, um die Anwendbarkeit des Klassifikators in verschiedenen Datensätzen und klinischen Umgebungen sicherzustellen.
Quelle: Universität Tokio
Der Beginn einer Psychose kann vorhergesagt werden, bevor sie eintritt, indem ein maschinelles Lerntool verwendet wird, das MRT-Gehirnscans in diejenigen einteilen kann, die gesund sind, und solche, bei denen das Risiko einer psychotischen Episode besteht.
Ein internationales Konsortium, dem Forscher der Universität Tokio angehörten, verwendete den Klassifikator, um Scans von über 2.000 Personen an 21 Standorten weltweit zu vergleichen. Bei etwa der Hälfte der Teilnehmer wurde ein klinisch hohes Risiko für die Entwicklung einer Psychose festgestellt.
Anhand von Trainingsdaten konnte der Klassifikator mit einer Genauigkeit von 85 % zwischen Personen unterscheiden, die nicht gefährdet waren, und solchen, bei denen später offensichtliche psychotische Symptome auftraten.
Mithilfe neuer Daten war die Genauigkeit zu 73 % gegeben. Dieses Tool könnte in zukünftigen klinischen Situationen hilfreich sein, da sich die meisten Menschen, die an einer Psychose leiden, zwar vollständig erholen, eine frühere Intervention jedoch in der Regel zu besseren Ergebnissen mit weniger negativen Auswirkungen auf das Leben der Menschen führt.
Jeder kann eine psychotische Episode erleben, die häufig mit Wahnvorstellungen, Halluzinationen oder unorganisiertem Denken einhergeht. Es gibt keine einheitliche Ursache, sie kann jedoch durch Krankheit oder Verletzung, Trauma, Drogen- oder Alkoholkonsum, Medikamente oder eine genetische Veranlagung ausgelöst werden.
Obwohl es beängstigend oder beunruhigend sein kann, ist eine Psychose behandelbar und die meisten Menschen erholen sich. Da das häufigste Alter für eine erste Episode die Jugend oder das frühe Erwachsenenalter ist, wenn sich Gehirn und Körper stark verändern, kann es schwierig sein, junge Menschen zu identifizieren, die Hilfe benötigen.
„Höchstens 30 % der Personen mit klinischem Hochrisiko zeigen später offensichtliche psychotische Symptome, während dies bei den restlichen 70 % nicht der Fall ist“, erklärte außerordentlicher Professor Shinsuke Koike von der Graduate School of Arts and Sciences der Universität Tokio.
„Daher benötigen Ärzte Hilfe bei der Identifizierung derjenigen, bei denen psychotische Symptome auftreten werden, und zwar nicht nur anhand subklinischer Anzeichen wie Veränderungen im Denken, Verhalten und Emotionen, sondern auch anhand einiger biologischer Marker.“
Das Forscherkonsortium hat zusammengearbeitet, um ein maschinelles Lerntool zu entwickeln, das Gehirn-MRT-Scans verwendet, um Menschen zu identifizieren, bei denen das Risiko einer Psychose besteht, bevor diese beginnt. Frühere Studien mithilfe der Gehirn-MRT haben gezeigt, dass es nach dem Ausbruch einer Psychose zu strukturellen Unterschieden im Gehirn kommt.
Dies ist jedoch Berichten zufolge das erste Mal, dass Unterschiede im Gehirn von Personen festgestellt wurden, die einem sehr hohen Risiko ausgesetzt sind, aber noch keine Psychose erlebt haben.
Das Team aus 21 verschiedenen Institutionen in 15 verschiedenen Ländern versammelte eine große und vielfältige Gruppe jugendlicher und junger erwachsener Teilnehmer.
Laut Koike kann die MRT-Forschung bei psychotischen Störungen eine Herausforderung darstellen, da Unterschiede in der Gehirnentwicklung und bei MRT-Geräten es schwierig machen, sehr genaue, vergleichbare Ergebnisse zu erhalten. Außerdem kann es bei jungen Menschen schwierig sein, zwischen Veränderungen, die auf eine typische Entwicklung zurückzuführen sind, und solchen, die auf eine psychische Erkrankung zurückzuführen sind, zu unterscheiden.
„Verschiedene MRT-Modelle haben unterschiedliche Parameter, die auch die Ergebnisse beeinflussen“, erklärt Koike.
„Genau wie bei Kameras erzeugen unterschiedliche Instrumente und Aufnahmevorgaben unterschiedliche Bilder derselben Szene, in diesem Fall des Gehirns des Teilnehmers. Wir konnten diese Unterschiede jedoch korrigieren und einen Klassifikator erstellen, der gut auf die Vorhersage des Ausbruchs einer Psychose abgestimmt ist.“
Die Teilnehmer wurden in drei Gruppen von Personen mit klinisch hohem Risiko eingeteilt: diejenigen, die später eine Psychose entwickelten; diejenigen, die keine Psychose entwickelten; und Personen mit unsicherem Follow-up-Status (insgesamt 1.165 Personen für alle drei Gruppen) und eine vierte Gruppe gesunder Kontrollpersonen zum Vergleich (1.029 Personen). Mithilfe der Scans trainierten die Forscher einen maschinellen Lernalgorithmus, um Muster in der Gehirnanatomie der Teilnehmer zu identifizieren.
Aus diesen vier Gruppen klassifizierten die Forscher die Teilnehmer mithilfe des Algorithmus in zwei Hauptinteressengruppen: gesunde Kontrollpersonen und Personen mit hohem Risiko, die später offensichtliche psychotische Symptome entwickelten.
Im Training war das Tool bei der Klassifizierung der Ergebnisse zu 85 % genau, während es im Abschlusstest mit neuen Daten zu 73 % genau vorhersagte, bei welchen Teilnehmern ein hohes Risiko für den Ausbruch einer Psychose bestand.
Basierend auf den Ergebnissen ist das Team der Ansicht, dass die Bereitstellung von MRT-Scans des Gehirns bei Personen, bei denen ein klinisch hohes Risiko festgestellt wurde, hilfreich sein könnte, um den Beginn einer Psychose vorherzusagen.
„Wir müssen noch testen, ob der Klassifikator für neue Datensätze gut funktioniert. Da einige der von uns verwendeten Software für einen festen Datensatz am besten geeignet sind, müssen wir einen Klassifikator entwickeln, der MRTs von neuen Standorten und Maschinen zuverlässig klassifizieren kann – eine Herausforderung, die ein nationales Gehirnforschungsprojekt in Japan namens Brain/MINDS Beyond darstellt jetzt übernehmen“, sagte Koike.
„Wenn uns dies gelingt, können wir robustere Klassifikatoren für neue Datensätze erstellen, die dann auf reale und routinemäßige klinische Umgebungen angewendet werden können.“
Finanzierung: Diese Forschung wurde teilweise von AMED (Grant Number JP18dm0307001, JP18dm0307004 und JP19dm0207069), JST Moonshot R&D (JPMJMS2021), JSPS KAKENHI (JP23H03877 und JP21H02851), Takeda Science Foundation und SENSHIN Medical Research Foundation unterstützt. Diese Studie wurde auch vom International Research Center for Neurointelligence (WPI-IRCN) der Universität Tokio unterstützt.
Über diese Neuigkeiten aus der Psychoseforschung
Autor: Joseph Krisher
Quelle: Universität Tokio
Kontakt: Joseph Krisher – Universität Tokio
Bild: Das Bild stammt von Neuroscience News
Ursprüngliche Forschung: Offener Zugang.
„Verwendung hirnstruktureller Neuroimaging-Maßnahmen zur Vorhersage des Ausbruchs einer Psychose bei Personen mit klinisch hohem Risiko“ von Shinsuke Koike et al. Molekulare Psychiatrie
Abstrakt
Verwendung hirnstruktureller Neuroimaging-Maßnahmen zur Vorhersage des Ausbruchs einer Psychose bei Personen mit klinisch hohem Risiko
Ansätze des maschinellen Lernens mithilfe der strukturellen Magnetresonanztomographie (sMRT) können für die Klassifizierung von Krankheiten hilfreich sein, obwohl ihre Fähigkeit, Psychosen vorherzusagen, weitgehend unbekannt ist.
Wir haben ein Modell mit Personen am CHR erstellt, die später eine Psychose entwickelten (CHR-PS+), und gesunden Kontrollpersonen (HCs), die sich voneinander unterscheiden können.
Wir untersuchten auch, ob wir CHR-PS+-Individuen von denen unterscheiden konnten, die später keine Psychose entwickelten (CHR-PS-) und denen mit unsicherem Follow-up-Status (CHR-UNK). T1-gewichtete strukturelle Gehirn-MRT-Scans von 1165 Personen am CHR (CHR-PS+, N= 144; CHR-PS-, N= 793; und CHR-UNK, N= 228) und 1029 HCs wurden von 21 Standorten erhalten.
Wir haben ComBat verwendet, um Messungen des subkortikalen Volumens, der kortikalen Dicke und der Oberflächendaten zu harmonisieren und mithilfe eines allgemeinen additiven Modells nichtlineare Effekte von Alter und Geschlecht zu korrigieren. CHR-PS+ (N= 120) und HC (N= 799) Daten von 20 Standorten dienten als Trainingsdatensatz, den wir zum Erstellen eines Klassifikators verwendeten.
Bei den übrigen Proben handelte es sich um externe Validierungsdatensätze, um die Leistung des Klassifikators zu bewerten (Test, unabhängige Bestätigung und unabhängige Gruppe). [CHR-PS- and CHR-UNK] Datensätze). Die Genauigkeit des Klassifikators für die Trainings- und unabhängigen Bestätigungsdatensätze betrug 85 % bzw. 73 %.
Regionale Messungen der kortikalen Oberfläche – einschließlich derjenigen des rechten oberen Frontal-, rechten oberen Schläfen- und bilateralen Inselkortizes – trugen stark zur Klassifizierung von CHR-PS+ von HC bei. CHR-PS- und CHR-UNK-Personen wurden eher als HC klassifiziert als CHR-PS+ (Klassifizierungsrate als HC: CHR-PS+, 30 %; CHR-PS-, 73 %; CHR-UNK, 80 %). .
Wir verwendeten Multisite-sMRT, um einen Klassifikator zu trainieren, der den Ausbruch einer Psychose bei CHR-Personen vorhersagt, und er zeigte in einer unabhängigen Stichprobe vielversprechende Ergebnisse bei der Vorhersage von CHR-PS+.
Die Ergebnisse deuten darauf hin, dass bei der Betrachtung der Gehirnentwicklung bei Jugendlichen MRT-Grunduntersuchungen bei CHR-Personen hilfreich sein können, um deren Prognose zu ermitteln.
Zukünftige prospektive Studien sind erforderlich, um zu untersuchen, ob der Klassifikator im klinischen Umfeld tatsächlich hilfreich sein könnte.