Einblicke in Depressionen durch fortschrittliche bildgebende Verfahren

Gereon J. Schnellbächer, Ravichandran Rajkumar, Tanja Veselinović, Shukti Ramkiran, Jana Hagen, Maria Collee, N. Jon Shah and Irene Neuner

29^. November 2024

In einer aktuellen INM-4-Studie wurden MRT-Verfahren mit ultrahoher Feldstärke (7T) und maschinelle Lernmethoden eingesetzt, um strukturelle Veränderungen des Gehirns bei Personen mit schwerer Depression (MDD) zu untersuchen. Im Rahmen der Studie wurden die Gehirne von 41 Patienten mit MDD und 41 gesunden Kontrollpersonen mit einem 7-Tesla-MRT abgebildet, wobei der Schwerpunkt auf dem Default-Mode-Netzwerk (DMN) lag und Merkmale wie das Volumen der grauen Substanz (GMV) und die Gyrifikation untersucht wurden.

Die Analyse ergab, dass die Gyrifikationsdaten eine Vorhersagegenauigkeit von 76 % für die Identifizierung von MDD durch eine Support-Vector-Machine-Analyse ermöglichten. Während festgestellt wurde, dass GMV-Veränderungen im linken parahippocampalen Gyrus mit dem Schweregrad der Depression korrelieren, war GMV nicht zuverlässig für die Vorhersage des Vorliegens von MDD. Die kortikale Dicke zeigte in einer vorläufigen statistischen Untersuchung keine signifikante Relevanz und wurde von der weiteren Analyse ausgeschlossen. [CR1]

Die Studie deutet darauf hin, dass strukturelle Merkmale des DMN bei der Identifizierung von MDD helfen können, obwohl es aufgrund der Variabilität des GMV und der statischen Natur der Gyrifikation weiterhin schwierig ist, das Fortschreiten der Krankheit oder das Ansprechen auf eine Behandlung vorherzusagen. Durch weitere Fortschritte bei bildgebenden und analytischen Verfahren könnten diese Einschränkungen überwunden und das Verständnis von MDD verbessert werden.

Originalpublikation: Structural alterations as a predictor of depression – a 7-Tesla MRI-based multidimensional approach