Gehirnbilder von Tausenden von Menschen auf der ganzen Welt wurden verwendet, um einen auf maschinellem Lernen basierenden Klassifikator zu erstellen, der bei der Frühdiagnose helfen könnte
Der Beginn einer Psychose kann vorhergesagt werden, bevor sie eintritt, indem ein maschinelles Lerntool verwendet wird, das MRT-Gehirnscans zwischen gesunden Menschen und solchen, bei denen das Risiko einer psychotischen Episode besteht, einteilen kann.
Ein internationales Konsortium, dem Forscher der Universität Tokio angehörten, verwendete den Klassifikator, um Scans von mehr als 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 nützlich sein, da sich die meisten Menschen, die an einer Psychose leiden, zwar vollständig erholen, eine frühere Intervention jedoch im Allgemeinen 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 unorganisierten Gedanken einhergeht.
Es gibt keine einheitliche Ursache, sie kann jedoch durch eine Krankheit oder Verletzung, ein Trauma, Drogen- oder Alkoholkonsum, Medikamente oder eine genetische Veranlagung ausgelöst werden. Obwohl sie 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 Gehirn und Körper viele Veränderungen durchmachen, kann es schwierig sein, junge Menschen zu identifizieren, die Hilfe benötigen.
„Höchstens 30 % der Personen mit hohem klinischen Risiko entwickeln anschließend 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. aus Tokio. „Daher benötigen Ärzte Hilfe bei der Identifizierung derjenigen, die psychotische Symptome haben werden, und zwar nicht nur anhand subklinischer Anzeichen wie Veränderungen im Denken, Verhalten und Emotionen, sondern auch anhand einiger biologischer Marker.“
Das Forscherkonsortium hat daran gearbeitet, ein maschinelles Lerntool zu entwickeln, das Gehirn-MRTs verwendet, um Menschen zu identifizieren, bei denen das Risiko einer Psychose besteht, bevor diese beginnt. Frühere Studien mithilfe der MRT des Gehirns haben darauf hingewiesen, dass es nach dem Ausbruch einer Psychose zu strukturellen Unterschieden im Gehirn kommt. Dies ist jedoch 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 brachte eine große und vielfältige Gruppe jugendlicher und junger erwachsener Teilnehmer zusammen. Laut Koike kann die Untersuchung psychotischer Störungen mithilfe der MRT eine Herausforderung darstellen, da Unterschiede in der Gehirnentwicklung und bei MRT-Geräten es schwierig machen, sehr genaue und vergleichbare Ergebnisse zu erhalten. Darüber hinaus kann es für junge 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“, erklärte Koike. „Wie bei Kameras erzeugen verschiedene Instrumente und Aufnahmespezifikationen unterschiedliche Bilder derselben Szene, in diesem Fall des Gehirns des Teilnehmers. Wir konnten diese Unterschiede jedoch korrigieren und einen Klassifikator erstellen, der sich gut zur Vorhersage des Beginns eignet.“ Psychose".
Die Teilnehmer wurden in drei Gruppen von Personen mit hohem klinischem Risiko eingeteilt : diejenigen, die später eine Psychose entwickelten; diejenigen, die keine Psychose entwickelten; und Personen mit unsicherem Follow-up-Status (insgesamt 1165 Personen für die drei Gruppen) und eine vierte Gruppe gesunder Kontrollpersonen zum Vergleich (1029 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 eine Genauigkeit von 73 % bei der Vorhersage hatte, bei welchen Teilnehmern ein hohes Risiko für den Ausbruch einer Psychose bestand. Basierend auf den Ergebnissen glaubt das Team, dass die Bereitstellung von Gehirn-MRTs bei Personen, bei denen ein hohes klinisches Risiko festgestellt wurde, hilfreich sein könnte, um den zukünftigen Ausbruch einer Psychose vorherzusagen.
„Wir müssen noch testen, ob der Klassifikator für neue Datensätze gut funktioniert. Da einige der von uns verwendeten Software besser für einen festen Datensatz geeignet sind, müssen wir einen Klassifikator erstellen, der MRTs von neuen Standorten und Maschinen robust klassifizieren kann.“ Herausforderung, die jetzt von einem nationalen Gehirnforschungsprojekt in Japan namens Brain/MINDS Beyond angenommen wird“, sagte Koike. „Wenn uns dies gelingt, werden wir in der Lage sein, robustere Klassifikatoren für neue Datensätze zu erstellen, die dann auf routinemäßige und reale klinische Umgebungen angewendet werden können.“
Die Ergebnisse deuten darauf hin, dass bei der Betrachtung der Gehirnentwicklung bei Jugendlichen Basis-MRTs bei Personen mit hohem klinischen Risiko hilfreich sein können, um deren Prognose zu ermitteln. Zukünftige prospektive Studien sind erforderlich, um zu untersuchen, ob der Klassifikator im klinischen Umfeld wirklich nützlich sein könnte.
