Your German Doc - Life in Germany

Давно не выкладывала обзор статей. Исправляюсь! В начале месяца в журнале JAMA Psychiatry была опубликована интересная работа, посвящённая индивидуализации подбора антидепрессивной терапии. Группа исследователей разработала цифровую систему поддержки принятия клинических решений PETRUSHKA (Personalising Antidepressant Treatment for Unipolar Depression Combining Individual Choices, Risks and Big Data) и провела рандомизированное клиническое исследование её эффективности в условиях реальной практики. Инструмент PETRUSHKA основан на прогностических моделях, объединяющих классические статистические подходы и методы машинного обучения, с целью определения того, какой антидепрессант с наибольшей вероятностью подойдёт конкретному пациенту. При этом учитывается широкий спектр индивидуальных характеристик, таких как возраст, пол, этническая принадлежность, социально-экономический статус, индекс массы тела, курение, выраженность депрессивной симптоматики, предшествующий опыт терапии, наличие тревоги, соматическая коморбидность, сопутствующие лекарства, опыт травмы в детстве, а также предпочтения самого пациента. Ключевая гипотеза исследования опирается на одну из проблем современной психиатрии - недостаточную персонализацию фармакотерапии, в том числе депрессивных расстройств, что приводит к частому неудачному выбору препарата и, как следствие, к преждевременному прекращению лечения. В исследовании было показано, что уровень прекращения терапии в течение первых 8 недель составил 17% в группе PETRUSHKA по сравнению с 28% в стандартной группе, что отражает клинически значимое снижение риска раннего отказа от лечения. Авторы также отмечают, что наибольшая практическая ценность инструмента может проявляться в условиях, где лечение пациентов с депрессией осуществляется не психиатрами, а врачами общей практики или специалистами других профилей, а также в системах здравоохранения с ограниченными ресурсами. Однако, несмотря на очевидный прогресс, подобные инструменты скорее оптимизируют процесс выбора терапии, чем радикально решают проблему вариабельности ответа на лечение. Это подводит нас к более широкому вопросу: почему в психиатрии до сих пор отсутствуют надёжные предикторы ответа на антидепрессанты, и возможно ли их создание в принципе. Попытка систематизировать существующие знания была предпринята в крупном мета-обзоре (Perlman et al., 2018) , где был проанализирован широкий спектр потенциальных предикторов - от клинических и социодемографических факторов до генетических и нейробиологических маркеров. Ключевой вывод этой работы заключается в том, что ни один из факторов, рассматриваемый изолированно, не обладает достаточной прогностической силой для клинического применения. Это принципиально смещает фокус от поиска «единственного биомаркера» к необходимости комплексных моделей. Наиболее активно в последние годы изучается генетический уровень. Например, крупное исследование (Howard et al., 2019) продемонстрировало, что депрессия имеет выраженную полигенную архитектуру с вовлечением сотен генетических вариантов. В этом исследовании (Pain et al., 2022) при попытке предсказать ответ на терапию антидепрессантами показано, что генетический вклад в антидепрессивный ответ действительно существует, однако он носит умеренный и распределённый характер, без выраженных индивидуальных предикторов. Немецкое исследование (Müller et al., 2024) продемонстрировало, что пока что доступные данные не обладают достаточной прогностической ценностью для реального выбора терапии. На самом деле, это не единственные предикторы, которые активно сейчас изучаются, например маркеры на fMRI, биомаркеры, а также цифровые поведенческие данные. Особое внимание уделяется интеграции этих разнородных источников информации с использованием методов машинного обучения и искусственного интеллекта.