Kann ein routinemäßiger Krebs-Scan eine Depression erkennen?

Ganzkörperbildgebung, die routinemäßig bei der Behandlung von Patienten mit multiplem Myelom durchgeführt wird, könnte den zusätzlichen Vorteil bieten, Menschen mit einer möglichen Depression zu kennzeichnen, “ohne zusätzliche spezielle Gehirnbilder oder erhöhte Strahlenbelastung oder Kosten”, so Forscher der University of Arkansas , in Little Rock, Arkansas.

Das Team analysierte eine Reihe von Fludeoxyglucose-F-18-Positronen-Emissions-Tomographie-CT (FDG PET/CT)-Scans, die für das Staging, zur Beurteilung des Behandlungsansprechens und zur Überwachung von Patienten mit multiplem Myelom gemacht wurden. Sie kamen zu dem Schluss, dass die Bilder auch metabolische Veränderungen im Gehirn erfassen könnten, die auf eine schwere Depression hindeuten.

“Dies würde die Notwendigkeit einer psychologischen Begutachtung nicht ersetzen”, betonen sie. “Dies kann den Kliniker jedoch auf Stoffwechselveränderungen im Gehirn aufmerksam machen, die mit Depressionen in Verbindung gebracht wurden”, berichteten Xiaofei Wang, MD, PhD, und Kollegen von der Abteilung für Radiologie der University of Arkansas for Medical Sciences.

„Der Patient hat möglicherweise eine subklinische Depression oder es war ihm peinlich, seinem Onkologen seine Symptome mitzuteilen. Dies würde als zusätzliche Screening-Untersuchung zu den traditionelleren Fragebögen dienen“, fügen sie hinzu.

Diese Schlussfolgerungen sind “weitgehend übertrieben”, sagt Madeline Li, MD, PhD, die sich am Princess Margaret Cancer Center (PMCC) in Toronto, Kanada, auf psychiatrische Onkologie spezialisiert hat.

“Wenn Sie einen Zufallsbefund abholen könnten [of depression] bei einem Scan, der bereits durchgeführt wurde, wäre das nützlich, das wäre einzigartig ― aber ich glaube nicht, dass ihre Studie das zeigt”, sagte sie she Medscape Medical News.

Die Studie wurde am 6. Mai in . online veröffentlicht PLUS EINS.

Die Studie verwendete Gehirnbilder, die aus Ganzkörper-FDG-PET/CT-Scans von 134 Patienten mit multiplem Myelom extrahiert wurden; Bei 38 der Patienten wurde eine schwere Depression diagnostiziert, bei den restlichen 96 nicht. Die statistische Parameterkartierung zeigte, dass die globale FDG-Aktivität in den Gehirnen von Patienten mit Depression signifikant niedriger war als in denen von Patienten ohne Depression (P. < 0,001), was auf "weniger Glutamat-Neurotransmission durch den Glukoseoxidationsprozess, der mit einer schweren Depression verbunden ist", hinweist, berichteten die Autoren.

Lesen Sie auch  Durch den Impfstoff abgedeckte HPV-Stämme sind in den USA stark zurückgegangen

Neben den globalen Veränderungen des Gehirns identifizierte die Analyse auch Cluster von metabolischen Unterschieden zwischen depressiven und nicht depressiven Patienten. Insbesondere zeigte es fünf signifikante hypometabolische Cluster und drei signifikante hypermetabolische Cluster in der Gruppe mit Depression. “Interessanterweise waren hypermetabolische Cluster im limbischen System bilateral und im rechten Hirnstamm anatomisch lokalisiert, während hypometabolische Cluster hauptsächlich bilaterale frontale, parietale und rechte Temporallappen betrafen”, stellen die Forscher fest.

Anschließend wandten sie maschinelles Lernen auf dieses Clustermuster an, um zwei Vorhersagemodelle für das Screening schwerer Depressionen zu erstellen. Es wurde festgestellt, dass die Modelle eine Genauigkeit von 85,1 %, eine Sensitivität von 79 % und eine Spezifität von 88 % zur Erkennung von Depressionen aufweisen.

“Mit dem rasanten Fortschritt von KI [artificial intelligence], besteht das Potenzial für ein automatisiertes Screening von Patienten während des PET/CT-Staging auf Major Depression”, schlagen sie vor. “Dies kann das Bewusstsein und die Identifizierung von Patienten erhöhen, die zusätzliche Unterstützung für Depressionen benötigen.”

Die Forscher stellen fest, dass eine Einschränkung der Studie darin besteht, dass “potenzielle Störvariablen wie aktuelle Behandlungsschemata, gleichzeitig bestehende Angststörungen oder andere Komorbiditäten und depressive Symptome zum Zeitpunkt der Untersuchung nicht berücksichtigt wurden und mögliche Verzerrungen darstellen.”

Li, die das Distress Assessment and Response Tool-Programm des PMCC entwickelt und leitet, sagte, ihr Hauptanliegen bei der Studie sei neben der kleinen Stichprobengröße die Art und Weise, wie die Diagnose einer Depression erstellt wurde.

„Die Diagnose einer Depression bei Krebs ist eigentlich eine große Herausforderung – es ist wirklich schwer, die Symptome der Depression von den Symptomen von Krebs zu unterscheiden, und ich habe keine Ahnung aus der Zeitung, worauf die Diagnose einer Depression beruht“, sagte sie. „Sie sagen, dass sie nebenbei eine Depression bekommen können – vielleicht Depressionen – aber weil wir nichts über den Zustand dieser Patienten wissen, wissen wir nicht, ob sie tatsächlich Depressionen oder etwas anderes bekommen – vielleicht eine Veranlagung für Depressionen.“ Sie erklärte.

Lesen Sie auch  Ein Fischmärchen? Mehr zu That Seafood, Melanom-Studie

Abschließend sagte Li, der auch mit maschinellem Lernen und der Entwicklung von Blutbiomarkern für Depressionen bei Krebspatienten forscht: “Ich kann nur sagen, dass dies ein Beweis für das Prinzip ist, dass Sie diese Algorithmen des maschinellen Lernens möglicherweise verwenden können”. etwas zu unterscheiden (obwohl ich nicht sicher bin, was sie unterscheiden), aber zu sagen, dass es ein Screening-Tool für Depressionen bei Krebs ist, ist so übertrieben, dass ich nicht einmal beschreiben kann, wie beleidigend das ist.”

Die Studie erhielt keine spezifische Finanzierung. Die Autoren und Li haben keine relevanten finanziellen Beziehungen offengelegt.

Plus eins. Online veröffentlicht 6. Mai 2021. Volltext

Folgen Sie Medscape auf Facebook, Twitter, Instagram und YouTube.

.

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.