För patienter som söker lättnad från depression kan det ta månader att få en effektiv behandling.
Men hjärnvågsmönster kan potentiellt hjälpa till att förutsäga hur enskilda patienter skulle reagera på en antidepressiv medicin innan behandling till och med börjar, enligt en ny studie publicerad 10 februari i tidskriften Nature Biotechnology.
Studien tar upp en av psykiatriens grundläggande utmaningar: brist på test som kan hjälpa läkare att bestämma de bästa behandlingsalternativen för patienter med depression, säger studiens medförfattare Dr. Madhukar Trivedi, en psykiatriprofessor vid UT Southwestern Medical Center i Dallas. Istället, sade Trivedi, leverantörer förlitar sig på en test-och-fel-process där patienter testar läkemedel på sex till åtta veckors cykler. Denna ogynnsamma metod bidrar till en allmän uppfattning att antidepressiva medel är ineffektiva, tillade Dr. Amit Etkin, studerande medförfattare och professor i psykiatri vid Stanford University.
Men en exakt förutsägare för en persons idealbehandling kan ta mycket gissningar ur ekvationen - och spara patienter månader av frustration, säger Katie Burkhouse, biträdande professor i psykiatri vid University of Illinois i Chicago som inte deltog i studien .
Den nya studien är "ett viktigt första steg" för att nå detta mål, berättade Burkhouse för Live Science.
För studien samlade forskare hjärnvågavläsningar från mer än 300 patienter som hade diagnostiserats med depression. Avläsningarna gjordes med elektroencefalografi (EEG), en icke-invasiv metod som involverar fästning av elektroder till patientens hårbotten. Patienter tilldelades sedan slumpmässigt att ta antingen en placebo eller antidepressiva sertralin (kommersiellt känd som Zoloft).
Därefter, utifrån EEG-data, designade forskarna en ny algoritm för artificiell intelligens (AI) för att förutsäga patientens svar på medicinering. De fann att patienter med ett visst hjärnvågsmönster i början av studien mest troligt svarade positivt på sertralin efter åtta veckors behandling. Forskare använde sedan sin algoritm på tre ytterligare patientdatauppsättningar (från tidigare studier) för att bekräfta sina resultat.
Resultaten "strider mot den rådande visdomen att dessa läkemedel bara är ineffektiva," sade Etkin. "De är faktiskt ganska effektiva, men bara för en subpopulation av människor."
Även om denna undersöknings resultat är lovande, är det oklart om AI skulle vara möjligt att använda i "verkliga världen" kliniska miljöer, sade Burkhouse.
Studien utvärderade specifikt hur patienter svarade på sertralin, till exempel, vilket bara är en av många möjliga behandlingar för depression. "Ett nästa steg för studien skulle vara att testa om det är förutsägbart för andra former av behandling som inte nödvändigtvis bara är medicinbaserad," som kognitiv terapi och hjärnstimulering, sade Burkhouse.
När de använde sin algoritm för att undersöka de tidigare publicerade datamängderna fann forskarna att patienter som var mindre benägna att svara på antidepressiva medel var mer benägna att svara på hjärnstimulering och psykoterapibehandlingar tillsammans. Ändå är detta konstaterande preliminärt och kräver mycket mer forskning för att bekräfta.
Ändå sa Etkin att tekniken lätt kan anpassas för användning på läkarkontor, eftersom EEG har använts i neurologi i årtionden. Läkare kan utbildas i en förenklad version av EEG, och sedan kan data laddas upp och bearbetas av algoritmen. Läkaren skulle sedan få en rapport som detaljerade om patienten skulle kunna svara på vissa mediciner, tilllade Etkin.
Etkin sade att han hoppas att resultaten kan hjälpa till att inleda "början på precisionspsykiatri."
Etkin är grundaren och verkställande direktören för Alto Neuroscience, en startup som syftar till att utveckla personliga behandlingar för mental hälsa. Han har för närvarande ledighet från Stanford för att arbeta på företaget.
Redaktörens anmärkning: Den här artikeln uppdaterades 21 februari för att lägga till ytterligare information om användningen av algoritmen hos patienter som var mindre benägna att svara på antidepressiva.
