Affektive und schizophrene Störungen (MDD, BD, SZ) sind komplexe und heterogene Phänotypen, bisher hauptsächlich phänomenologisch charakterisiert. Das Symposium soll einen nosologisch übergreifenden Weg für eine neurobiologisch fundierte Konzeption zu Ätiologie und Verlauf affektiver und schizophrener Störungen aufzeigen.
Es werden dabei der Stand der Literatur und eigene Ergebnisse vorgestellt. Die Besonderheit des Symposiums wird die allgemeinverständliche Darstellung und Einordung der Befunde in einen größeren Kontext sein, so dass ein breites Publikum an den Ergebnissen und deren mögliche klinische Bedeutung teilhaben kann.
Die Referenten werden zur Validierung von Hypothesen zu Gen, Umwelt und Gen x Umwelt Interaktionen auf Gehirnstruktur- und Funktion im longitudinalen Verlauf der endogenen Psychosen fokussieren. Ein Ziel ist die Charakterisierung von „Biotypen“, jenseits der phänomenologischen Störungskategorisierung (Tim Hahn, Münster). Ein besonderer Fokus des Symposiums liegt, neben der strukturellen und funktionellen Bildgebung (Igor Nenadic, Marburg), auf dimensionaler Psychopathologie über MDD, BD, SZ hinweg, Umweltrisikofaktoren. Das Forschungsprogramm der neurobiologischen Untersuchung zur Ätiologie der endogenen Psychosen kann den Weg für eine transdiagnostische Konzeption der Ätiologie und dem Verlauf der endogenen Psychosen ebnen.
08:30 Uhr
Dimensionale Psychopathologie über die endogenen Psychosen hinweg: ein neuer (Aus-)Weg für die biologische Psychiatrie?
T. Kircher (Marburg, DE)
09:14 Uhr
Transdiagnostische Gen-Umwelt-Interaktionen auf Hirnfunktion und -struktur bei Patienten mit Major Depression, Schizophrenie und bipolarer Störung
I. Nenadic (Marburg, DE)
09:36 Uhr
Maschinelle Lernverfahren und Big Data zur transdiagnostischen Neu-Typologisierung psychischer Störungen
T. Hahn (Münster, DE)
Details anzeigen
Autor:in:
T. Hahn (Münster, DE)
For the last two decades, a mainstay of biological psychiatry has been the identification of group-level differences between healthy and depressed individuals. While this mechanistic approach offers valuable insight into the neurobiological underpinnings of depression, two caveats arise. First, recent meta-analyses question the reliability of these case-control differences. Second, the potential for single-subject prediction is rarely estimated in these univariate studies. Therefore, it remains unclear how well multivariate biomarker differentiate between healthy and depressive subjects in a larger sample. Here, we systematically investigate the univariate and multivariate classification accuracy in a large, single-study cohort of N=1,809 participants (n=861 MDD) across a broad range of modalities including structural MRI, functional task-based and resting-state fMRI, DTI, and genetics.
We show that, even under ideal statistical conditions, univariate analyses provide classification accuracies between 52.5% and 55.4% for those variables displaying the largest group difference. Univariate overlap between healthy and depressive subjects in these variables is between 89.4% and 94.7%. Correspondingly, the machine learning analyses reveal classification accuracies between 52.4% and 60.9%. This effect remains unchanged for acutely or chronically depressed subgroups of the MDD sample.
We conclude that MDD patients and healthy controls are practically indistinguishable on a single subject level across multiple neuroimaging modalities. We argue that – to improve translation – a transparent communication of predictive utility and clinically informed or data-driven patient stratification is key to bridging this substantial gap between neurobiological data and clinical phenotype.