SummaryDas vorliegende Forschungsvorhaben zielt darauf ab, bestehende diagnostische und prognostische hirnstrukturelle und -funktionelle Marker für verschiedene Stadien affektiver und psychotischer Erkrankungen [1–5], anhand der MRT- und phänotypischen Daten der NAKO Gesundheitsstudie in einem repräsentativen epidemiologischen Kontext zu validieren. Konkret bestehen die Modelle aus trainierten Machine Learning Algorithmen, die aus dem grauen Substanzvolumen longitudinal charakterisierter, klinischer Stichproben (PRONIA-Kohorte) diskriminative Muster der grauen Substanz extrahiert haben, mit denen sich Patienten mit der Diagnose einer Depression oder Psychose von gesunden Kontrollpersonen unterscheiden lassen, oder mit denen sich ein Übergang in eine spätere psychotische Erkrankung vorhersagen lässt. Im 1. Schritt möchten wir untersuchen, ob sich in der NAKO Gesundheitsstudie Assoziationen zwischen hirnstruktureller Musterexpression und somatischen Erkrankungen (z.B. metabolisches Syndrom, kardiovaskuläre Erkrankungen, Allergien und Autoimmunerkrankungen) [5–8] nachweisen lassen, die wir anhand entsprechener klinisch Parameter der NAKO-Probanden objektivieren wollen. Im 2. Schritt möchten wir überprüfen, ob (a) Risiko- oder Resilienz-vermittelnden psychosoziale Variablen, wie z.B. Lebensqualität, Kindheitstraumata, Stress, die soziökonomische Situation und der Ausbildungsstatus, im Querschnitt einen signifikanten moderierenden Einfluss auf die Assoziationen zwischen hirnstruktureller Musterexpression und somatischen Erkrankungen ausüben, und (b) wie sich die Assoziationen zwischen MRT-Mustern, somatischen Parametern, und möglichen psychosozialen Moderatoren im Längsschnitt der NAKO Gesundheitsstudie verändern (sobald diese Daten verfügbar sind; siehe unten). Das Forschungsvorhaben soll im Rahmen des neu gegründeten Deutschen Zentrums für Psychische Gesundheit am Standort München/Augsburg durchgeführt werden (Standortprojekt MUC3: „Entwicklung populationsbasierter, biopsychosozialer Ätiologie- und Risikomodelle auf der Grundlage multidimensionaler Verlaufsdaten“).

Keywords Depression Komorbidität MRT-Hirnbildgebung Maschinelles-Lernen Psychische-Gesundheit Psychosen Schizophrenie

InstitutionsLudwig-Maximilians-Universität, Helmholtz Zentrum München, Max Planck Institut für Psychiatrie