Präzisionspsychiatrie in der klinischen Praxis am Beispiel von Transition und psychosozialer Funktionsbeeinträchtigung in klinischen Hochrisikopatienten für Psychose

ZUSAMMENFASSUNG Der Ansatz der Präzisionspsychiatrie versucht durch therapeutische Maßnahmen, die auf die individuellen Bedürfnisse zu behandelnder Personen zugeschnitten sind, psychiatrische Erkrankungen zu verhindern oder deren Krankheitsverläufe abzumildern, wodurch sich die klinische Versorgungslandschaft nachhaltig verbessern ließe. Durch Mustererkennung und -vorhersage soll die Künstliche Intelligenz bei der Verarbeitung komplexer klinischer Daten gewinnbringend eingesetzt werden. Durch die zunehmende Verfügbarkeit großer klinischer Datensätze über die vergangene Dekade, konnten beispielsweise im Forschungsbereich psychotischer Erkrankungen vermehrt computergestützte Modelle zur Verbesserung der Diagnostik, einschließlich einer individuellen Risikoeinschätzung, herausgearbeitet werden. So könnten zielgerichtete Präventionen und Interventionen zeitlich deutlich vorverlagert werden. Vorhergehende Studien zeigten, dass junge (d. h. unter 32 Jahren) Depressionspatienten eine beschleunigte Hirnalterung vorweisen, die Schizophreniepatienten neuroanatomisch ähnelt. Innerhalb der Personalized Prognostic Tools for Early Psychosis Management (PRONIA) Studie wurden mithilfe von den dort erhobenen klinischen, neurokognitiven, genomischen und neurobildgebenden Daten Klassifikatoren entwickelt, um das Transitionsrisiko zu Psychose und die psychosoziale Funktionsbeeinträchtigung in klinischen Hochrisikopatienten für Psychose und bei Patienten mit kürzlich aufgetretener Depression vorherzusagen. Vielmehr wurden kybernetische Klassifikatoren entwickelt, die neben Modellen mit verschiedenen Datenmodalitäten (d. h. klinisch-neurokognitiv, genomisch, bildgebend) die Vorhersage der Kliniker einschließen. Diese Metaklassifikatoren, die alle algorithmischen Modelle und die klinische Vorhersage einschlossen, waren sowohl den rein algorithmischen als auch den rein klinischen Prognosen überlegen. Dabei ist eine sequenzielle Integration des kybernetischen Modells in die klinische Praxis realistischer als eine umfassende multimodale Biomarkererfassung. Zurzeit wird mithilfe der multizentrischen Studie CARE die Anwendbarkeit des Metaklassifikators in die klinische Praxis evaluiert.