Buscar
  • Texto Adaptado

Assinatura neural identifica pessoas com probabilidade de responder à medicação antidepressiva


NOTÍCIAS DE NEUROCIÊNCIA - 10 DE FEVEREIRO DE 2020


Resumo: Um novo equipamento que possui um algoritmo de inteligência artificial analisa dados de EEG e pode identificar assinaturas neurais confiáveis ​​e robustas associadas à resposta ao tratamento com antidepressivos.

Fonte: NIH / NIMH



Os pesquisadores descobriram uma “assinatura neural” que prevê se os indivíduos com depressão provavelmente se beneficiarão da sertralina, um medicamento antidepressivo comumente prescrito. As descobertas, publicadas na Nature Biotechnology, sugerem que novas técnicas de inteligência artificial podem identificar padrões complexos na atividade cerebral de uma pessoa que se correlacionam com resultados clínicos significativos. A pesquisa foi financiada pelo Instituto Nacional de Saúde Mental (NIMH), parte dos Institutos Nacionais de Saúde.


“Atualmente, existe uma grande necessidade em psiquiatria de testes objetivos que possam informar o tratamento e ir além de algumas das limitações do nosso sistema de diagnóstico. Nossas descobertas são empolgantes porque refletem o progresso alcançado em direção a esse objetivo clínico e também mostram o potencial de trazer métodos sofisticados de análise de dados para a psiquiatria ”, explicou o autor sênior Amit Etkin, MD, Ph.D., professor de psiquiatria e ciências comportamentais na Stanford University e CEO da Alto Neuroscience, Los Altos, Califórnia.

A depressão é um dos transtornos mentais mais comuns, afetando cerca de 7% dos adultos nos EUA em 2017, mas os sintomas experimentados podem variar de pessoa para pessoa. Enquanto alguns podem experimentar muitas das características, incluindo a tristeza persistente, os sentimentos de desesperança, a perda de prazer e a energia reduzida, outros podem experimentar apenas alguns. Existem várias opções baseadas em evidências disponíveis para o tratamento da depressão, mas determinar qual tratamento provavelmente funcionará melhor para uma pessoa específica pode ser uma questão de tentativa e erro.

Pesquisas anteriores sugeriram que componentes específicos da atividade cerebral, medidos pela eletroencefalografia em estado de repouso (EEG), poderiam fornecer informações sobre como as pessoas reagirão a certos tratamentos. No entanto, os pesquisadores ainda não desenvolveram modelos preditivos que possam diferenciar entre a resposta à medicação antidepressiva e a resposta ao placebo. E que também consigam prever resultados para pacientes individuais. Ambas as características são essenciais para que uma assinatura neural tenha relevância clínica.

Etkin, co-autor sênior, Madhukar H. Trivedi, M.D., professor de psiquiatria no Centro Médico do Sudoeste da Universidade do Texas, Dallas, e Wei Wu, Ph.D., instrutor da Universidade de Stanford, Califórnia, inspiraram-se na neurociência, na ciência clínica e na bioengenharia para criar um modelo preditivo avançado. Os pesquisadores desenvolveram um novo algoritmo de inteligência artificial específico para analisar dados de EEG, chamado SELSER (Regressão Espacial Latente de EEG Esparsa). Eles levantaram a hipótese de que esse algoritmo seja capaz de identificar assinaturas neurais robustas e confiáveis ​​na resposta ao tratamento com antidepressivos.

Eles usaram o SELSER para analisar dados do estudo Estabelecimento de Moderadores e Biosassinaturas da Resposta Antidepressiva em Cuidados Clínicos (EMBARC), um grande ensaio clínico randomizado do medicamento antidepressivo sertralina, um inibidor seletivo da recaptação de serotonina (SSRI) amplamente disponível. Como parte do estudo, os participantes com depressão foram designados aleatoriamente para receber sertralina ou placebo por oito semanas. Os pesquisadores aplicaram o SELSER aos dados de EEG pré-tratamento dos participantes, examinando se a técnica de inteligência artificial poderia produzir um modelo que previsse os sintomas depressivos dos participantes após o tratamento.

O SELSER foi capaz de prever com segurança a resposta individual do paciente à sertralina, com base em um tipo específico de sinal cerebral, conhecido como ondas alfa, gravado quando os participantes estavam com os olhos abertos. Esse modelo baseado em EEG superou os modelos convencionais que usavam dados de EEG, ou outros tipos de dados em nível individual, como severidade dos sintomas e características demorgráfica. Análises de conjuntos de dados independentes, usando vários métodos complementares, sugeriram que as previsões feitas pelo SELSER podem se estender a resultados clínicos mais amplos, além da resposta à sertralina.


Pesquisas anteriores sugeriram que componentes específicos da atividade cerebral, medidos pela eletroencefalografia em estado de repouso (EEG), poderiam fornecer informações sobre como as pessoas reagirão a certos tratamentos.

Em um conjunto de dados independentes, os pesquisadores descobriram que o modelo SELSER baseado em EEG, previa maior melhora para os participantes que haviam mostrado resposta parcial a pelo menos um medicamento antidepressivo, em comparação com aqueles que não haviam respondido a dois ou mais medicamentos, de acordo com os resultados clínicos desses pacientes. Outro conjunto de dados independentes mostrou que os participantes que foram preditos pelo SELSER para mostrar pouca melhora com a sertralina, tinham maior probabilidade de responder ao tratamento envolvendo um tipo específico de estimulação cerebral, não invasiva, chamada estimulação magnética transcraniana (em combinação com psicoterapia).

Está em andamento o trabalho para replicar ainda mais essas descobertas em amostras grandes e independentes, para determinar o valor do SELSER como uma ferramenta de diagnóstico.

Segundo Etkin, Trivedi, Wu e colegas, a presente pesquisa destaca o potencial da inteligência artificial e de “máquinas que aprendem” para avançar numa abordagem personalizada ao tratamento da depressão.

“Enquanto nosso trabalho permanece e antes que os resultados de nosso estudo estejam prontos para uso clínico de rotina, além o fato de o EEG ser uma ferramenta de baixo custo e acessível, desejamos que a transformação da pesquisa em prática clínica seja possível no curto prazo. Espero que nossas descobertas façam parte dos estudos no campo da IA e dos testes objetivos nesta área”, concluiu Etkin.

Nós, do Instituto Neurofeedback, que há dez anos utilizamos a técnica do Neurofeedback na abordagem terapêutica de várias patologias que atormentam as pessoas nos dias de hoje, nos sentimos perfeitamente identificados com a descoberta dos pesquisadores e almejamos que estudos futuros venham a corroborar cada vez mais os resultados que encontramos na clínica cotidiana.

Fonte: NIH / NIMH Contatos de mídia: Anna Mikulak - Fonte de imagem NIH / NIMH: A imagem é de domínio público.

0 visualização