Psychiatrie van de Toekomst

Psychiatrie van de toekomst

Titel: Antidepressiva kiezen op basis van symptoomclusters: het begin van personalised medicine? 

Deze post maakt deel uit van de rubriek "Psychiatrie van de Toekomst" in het Tijdschrift voor Psychiatrie, in samenwerking met De Jonge Psychiater (pdf versie)

 

Waarom dit onderzoek?

Geen psychiater kan voorspellen of de depressie van een patiënt zal verbeteren dankzij een bepaald antidepressivum. Meetbare factoren die helpen bij het kiezen van een antidepressivum zijn wenselijk om patiënten zo snel mogelijk het juiste middel voor te kunnen schrijven. Dit zou de kans op verslechtering van klachten en het optreden van bijwerkingen kunnen verminderen. 

 

Onderzoeksvraag

Kunnen symptoomclusters de respons op antidepressiva voorspellen? Zo ja, welke zijn het meest voorspellend? 

 

Hoe werd dit onderzocht?

Deelnemers aan de STAR*D (n = 4039) en de CO-MED-studie (Combining Medications to Enhance Depression Outcomes; n = 640) vulden de Quick Inventory of Depressive Symptomatology in. Ook werd de Hamilton-schaal voor depressie (HAM-D) bij hen afgenomen. Eerst werden drie symptoomclusters opgesteld door unsupervised machine learning (hiërarchische clustering): emotionele symptomen (anhedonie, somberheid, waardeloosheidgevoelens, vermoeidheid en concentratieproblemen), slaapsymptomen (insomnie) en atypische symptomen (psychomotore agitatie of vertraging, suïcidale ideaties en hypersomnie). Daarna werd met supervised machine learning bepaald of deze clusters respons op verschillende antidepressiva verklaren in de genoemde gecombineerde dataset (n = 4706) en in 7 trials naar de effecten van duloxetine (n = 2515). 

 

Belangrijkste resultaten

Geen van de onderzochte medicamenten had een identiek effect op de verschillende symptoomclusters. Antidepressiva bleken effectiever in het behandelen van emotionele en slaapsymptomen dan van atypische symptomen. Het cluster slaapsymptomen bleek het beste te voorspellen wie reageert op een antidepressivum. De effectmaten van deze analyse waren redelijk binnen STAR*D, maar in het replicatiecohort (CO-MED) bleken de correlaties tussen de clusters en respons zwak. 

  

Hoe zal dit onderzoek ons vak veranderen?

De auteurs willen bijdragen aan geïndividualiseerde behandeling van depressie en denken dat symptoomclusters de effecten van antidepressiva kunnen helpen voorspellen. Zij claimen dat door het invullen van patiëntgegevens in hun online beschikbare tool de kans op respons op een antidepressivum voor de individuele patiënt verdubbelt (https://www.spring.care/spring-assessment). Door de matige voorspelbaarheid van respons in het replicatiecohort is het echter de vraag of dit instrument in de dagelijkse praktijk nuttig zal zijn. Wel is de methodologie van deze studie zeer solide en hopelijk in de toekomst toepasbaar op andere psychofarmaca en patiëntengroepen. Wellicht zal in de toekomst integratie van symptoomclusters met neurobiologische gegevens de voorspelbaarheid van respons vergroten. 

 

 

Referentie 

Chekroud AM, Gueorguieva R, Krumholz HM, Trivedi MH, Krystal JH, McCarthy G. Reevaluating the efficacy and predictability of antidepressant treatments: a symptom clustering approach. JAMA Psychiatry 2017; 74: 370-8. 

  

Deze post maakt deel uit van de rubriek "Internationaal Toponderzoek" in het Tijdschrift voor Psychiatrie, in samenwerking met De Jonge Psychiater (pdf versie)