Kan een depressie worden vastgesteld met een qEEG?

Samenvatting van het doctoraat Electrophysiological markers of depression symptomatology and suicidality

Een Majeure Depressie (MDD) is een vaak voorkomende en ernstige psychiatrische aandoening dat gepaard gaat met een verscheidenheid aan symptomen zoals een aanhoudende sombere stemming, onvermogen voor het ervaren van plezier, concentratieproblemen, en suïcidaal gedrag. Een nauwkeurige en snelle diagnose van MDD is nodig voor het selecteren van een geschikte behandeling, zodat een gunstige prognose kan worden gemaximaliseerd en de kans op een chronisch- of terugkerend ziekteverloop geminimaliseerd. Hedendaagse diagnostische hulpmiddelen, zoals zelfrapportage vragenlijsten, blijken vandaag de dag ontoereikend voor zowel het accuraat screenen van depressieve personen als voor het verbeteren van de klinische uitkomsten bij risicogroepen. Er is dus een dringende behoefte aan doeltreffende biomarkers voor depressie en een significant deel van neurologisch beeldvorming studies zijn momenteel bezig met het zoeken naar dergelijke markers. Ondanks de grote vooruitgang die al is geboekt door functionele Magnetische Resonantie Beeldvorming (fMRI) studies die de neurale werkingsmechanismen van depressiesymptomen in kaart hebben gebracht, heeft dit nog niet geleid tot bruikbare diagnostische instrumenten die kunnen worden toegepast in psychiatrische ziekenhuizen. De belangrijkste reden voor deze discrepantie betreft de aanzienlijke kost die gepaard gaat met MRI-scanners. Hierdoor worden ziekenhuizen gedwongen om, bij het gebruik van MRI-scanners, de prioriteit te geven aan ernstige medische aandoeningen zoals kanker. Gelukkig is het elektro-encefalogram (EEG) relatief goedkoop, toegankelijk en tijdbesparend en kan dit routinematig worden toegepast bij zowel de diagnostiek als de behandeling van neuro-psychiatrische stoornissen. Desondanks is het aantal studies, die hebben onderzocht of depressie- en suïcide gerelateerde EEG signalen kunnen dienen als klinisch bruikbare markers, zeer beperkt of de gerapporteerde bevindingen hebben lage klinische validiteit. Bijgevolg was het belangrijkste doel van dit proefschrift het vinden van betrouwbare en klinisch valide elektrofysiologische markers van depressiesymptomen, waaronder zelfmoord, gebaseerd op de robuuste bevindingen van de uitgebreide fMRI depressie literatuur.

De studie besproken in hoofdstuk 2 toonde aan hoe depressieve patiënten met een recente suïcidepoging of met huidige suïcidale gedachten, afwijkende topografische EEG-kenmerken vertoonden wanneer deze werden vergeleken met niet-suïcidale depressieve patiënten. Bovendien werden deze suïcide-specifieke EEG-kenmerken gelokaliseerd in hersengebieden die corresponderen met de resultaten van ander beeldvorming onderzoek bij mensen met suïcidaal gedrag, wat impliceert dat deze EEG-kenmerken mogelijks een biomarker kunnen worden die suïcidaal gedrag voorspelt. In hoofdstuk 3 hebben we de bevindingen van verschillende fMRI connectiviteitsstudies gerepliceerd, waarbij depressieve patiënten verhoogde functionele connectiviteit vertonen tussen het Default Mode Network (DMN) en de subgenuale Anterieure Cingulate Cortex (sgACC), wat kan duiden op maladaptieve ruminatie. Zodoende werd de hypothese getest of deze verhoogde DMN–sgACC connectiviteit aanwezig is in de EEG van depressieve patiënten in remissie (rMDD) en of deze hyperconnectiviteit een risico factor is voor het ontwikkelen van toekomstige depressieve episodes door de associatie met maladaptieve ruminatie. Onze bevindingen toonden aan dat rMDD patiënten nog steeds een verhoogde connectiviteit vertonen tussen de Posterieure Cingulate Cortex (PCC) en de sgACC in vergelijking met gezonde controles. Bovendien had deze verhoogde PCC–sgACC connectiviteit een significant positief verband met maladaptieve ruminatie dat statistisch onafhankelijk was van rMDD patiënten hun huidige depressie- en angst-scores, wat impliceert dat verhoogde PCC–sgACC connectiviteit een elektrofysiologische marker kan zijn voor individuen die een verhoogt risico lopen op het ontwikkelen van een depressie. Ten slotte onderzocht de studie beschreven in hoofdstuk 4 of de EEG van huidige depressieve patiënten verstoorde functionele connectiviteit vertoont tussen regio’s van het cognitieve controlenetwerk (CCN) en regio’s van het affectieve netwerk (AN), en of deze afwijkende connectiviteit mogelijks kan dienen als een elektrofysiologische diagnostische marker van MDD. Onze analyse toonde aan hoe depressieve patiënten verlaagde functionele connectiviteit vertonen tussen het CCN en AN, en hoe deze verlaagde CCN–AN connectiviteit significant is gecorreleerd met het totaal aantal depressieve episodes van MDD-patiënten, wat suggereert dat verzwakte CCN–AN connectiviteit kan duiden op een terugkerend ziekteverloop. Daarboven lijkt verstoorde CCN–AN connectiviteit op een veelbelovend elektrofysiologische diagnostische marker van depressie, aangezien een machine learning classificator in staat was om 80% van de depressieve patiënten en 89,5% van de gezonde controles met succes te identificeren wanneer het algoritme werd getraind op hun CCN–AN connectiviteitswaarden.

In conclusie, de bevindingen die in dit proefschrift worden besproken suggereren dat het EEG in staat is om de bevindingen van fundamenteel neurologisch beeldvormingsonderzoek omtrent

depressie om te zetten naar veelbelovende elektrofysiologische markers die de klinische bruikbaarheid en validiteit bevatten die nodig is voor het gebruik in de psychiatrische praktijk.

Lees hier de originele samenvatting (Engels) https://www.ugent.be/nl/agenda...