Ringvorlesung Forschungs- und Anwendungsfelder der Klinischen Psychologie

V Vorlesung Ringvorlesung Forschungs- und Anwendungsfelder der Klinischen Psychologie Wintersemester 2016-2017 Ihr Dozent für heute Kevin Hilbert,...
4 downloads 2 Views 4MB Size
V

Vorlesung

Ringvorlesung Forschungs- und Anwendungsfelder der Klinischen Psychologie Wintersemester 2016-2017

Ihr Dozent für heute Kevin Hilbert, Dipl.-Psych. Professur für Behaviorale Epidemiologie Institut für Klinische Psychologie und Psychotherapie [email protected] Forschungsthemen:  Was sind die neurobiologischen Grundlagen von Angst und Depression?  Welches sind gemeinsame und welches sind spezifische Faktoren?  Welche Rolle spielen kognitive Kontrollfähigkeiten?  Sind biobehaviorale Daten für klinische Fragestellungen interessant?

Heutige Veranstaltung Literatur Quelle II: Wittchen, H.-U. & Hoyer J. (Hrsg.). (2011). Lehrbuch der Klinischen Psychologie und Psychotherapie. Heidelberg: Springer.  Kapitel 6 – kognitiv-affektive Neurowissenschaft  Kapitel 42 – Generalisierte Angststörung Quelle II: Folien Zusatzliteratur am Ende der Folien für interessierte Studierende, aber diese ist nicht prüfungsrelevant

Heutige Veranstaltung Meine Lernziele für heute: Der Plan für heute 





Was ist die Generalisierte Angststörung – und warum interessieren wir uns in der MRT-Forschung für sie? Ausgewählte Befunde zur Neurobiologie der GAS Die Untersuchung verschiedener FS zur Neurobiologie der GAS in einer exemplarischen Studie am Institut

5

Heutige Veranstaltung Meine Lernziele für heute: Der Plan für heute 





Was ist die Generalisierte Angststörung – und warum interessieren wir uns in der MRT-Forschung für sie? Ausgewählte Befunde zur Neurobiologie der GAS Die Untersuchung verschiedener FS zur Neurobiologie der GAS in einer exemplarischen Studie am Institut

6

GAS Klinisches Bild und Diagnostische Kriterien Klinisches Bild und Diagnostische Kriterien Sorgen, Anspannung, ängstliche Erwartung Physiologische Begleiterscheinungen Vermeidung, Rückversicherungsverhalten Leidensdruck und Beeinträchtigungen 





Ängstliche Erwartung und Sorge: dysfunktionale Aufmerksamkeitsmuster und erhöhte Involvierung von Furchtstrukturen? Schwierigkeiten bei der Kontrolle: dysfunktionale Rekrutierung frontaler Areale?

Anspannung und Nervosität: erhöhtes physiologisches Arousal? Stresshormone?

Wittchen & Hoyer, Kap. 42

7

GAS Klinisches Bild und Diagnostische Kriterien Klinisches Bild und Diagnostische Kriterien • Hohe Prävalenz: Liftetime 1.8-6.9% (Lieb et al., 2005, Kessler et al., 2012) • Deutliche Beeinträchtigung der Lebensqualität (Hoffmann et al., 2008, Kessler et al., 2002)

• Hohe gesellschaftliche Kosten (Hoffmann et al., 2008, Andlin-Sobocki & Wittchen, 2005) • Nur 2-55% der Patienten werden korrekt diagnostiziert (e.g. Calleo et al., 2009, Wittchen et al., 2002, Munk-Jorgensen et al., 2006, Vermani et al., 2011) • Nur etwa 57% der Patienten zeigen 12 Monate nach CBT Remission (Hanrahan et al., 2013) • Häufige Komorbidität, z.B.: Angststörungen: 57,8 %, Affektive Störungen: 71,6 % , irgendeine komorbide Störung: 88,3 % (Kessler et al., 2002)

8

GAS Einige aktuelle Modelle der GAS Klinisches Bild und Diagnostische Kriterien Generalisierte Angststörung, nach DSM IV: A. Übermäßige Angst und Sorge (furchtsame Erwartung) bezüglich mehrerer Ereignisse oder Tätigkeiten (wie etwa Arbeit oder Schulleistungen), die während mindestens 6 Monaten an der Mehrzahl der Tage auftraten. B. Die Person hat Schwierigkeiten, die Sorgen zu kontrollieren. C. Die Angst und Sorge sind mit mindestens drei der folgenden 6 Symptome verbunden: 1. Ruhelosigkeit oder ständiges "auf dem Sprung sein", 2. leichte Ermüdbarkeit, 3. Konzentrationsschwierigkeiten oder Leere im Kopf, 4. Reizbarkeit, 5. Muskelspannung, 6. Schlafstörungen D. Die Angst und Sorgen sind nicht auf Merkmale einer anderen psychischen Störung beschränkt. E. Die Angst, Sorge oder körperlichen Symptome verursachen in klinisch bedeutsamer Weise Leiden oder Beeinträchtigungen in sozialen, beruflichen oder anderen wichtigen Funktionsbereichen. F. Das Störungsbild geht nicht auf die direkte körperliche Wirkung einer Substanz oder eines medizinischen Krankheitsfaktors zurück und tritt nicht ausschließlich im Verlauf einer affektiven Störung, einer psychotischen Störung oder einer tiefgreifenden Entwicklungsstörung auf. 9

GAS Klinisches Bild und Diagnostische Kriterien Klinisches Bild und Diagnostische Kriterien

Wittchen & Hoyer, Kap. 42

10

GAS Verhaltenssymptome bei GAS Exkurs: Verhaltenssymptome? 

GAS als einzige Angststörung ohne Verhaltenssymptome?



(Abgelehnte) Änderungsidee für das neue DSM:

D. The anxiety and worry leads to changes in behavior shown by one (or more) of the following: (a) marked avoidance of potentially negative events or activities (b) marked time and effort preparing for possible negative outcomes of events or activities (c) marked procrastination in behavior or decision-making due to worries (d) repeatedly seeking reassurance due to worries. Andrews et al. (2010). Generalized Worry Disorder: A review of DSM-IV Generalized Anxiety Disorder and Options for DSM-V. Depression and Anxiety, 27, 134-144. 11

GAS Verhaltenssymptome bei GAS Exkurs: Verhaltenssymptome?

12

GAS Verhaltenssymptome bei GAS Exkurs: Verhaltenssymptome?

13

Heutige Veranstaltung Meine Lernziele für heute: Der Plan für heute 





Was ist die Generalisierte Angststörung – und warum interessieren wir uns in der MRT-Forschung für sie? Ausgewählte Befunde zur Neurobiologie der GAS Die Untersuchung verschiedener FS zur Neurobiologie der GAS in einer exemplarischen Studie am Institut

14

Neurobiologie der GAS Amygdala-Hyperaktivierung: Attentional Bias Amygdala

15

Neurobiologie der GAS Amygdala-Hyperaktivierung: Antizipationsprozesse Amygdala

16

Neurobiologie der GAS vlPFC

17

Neurobiologie der GAS PFC-Hyperaktivierung: Worry mPFC

group

condition

listening

GAD

Worry induction

Mull over the problem of maintaining your current status

neutral

Think about people’s different taste in music

Worry induction

Mull over the problem of maintaining your current status

neutral

Think about people’s different taste in music

Healthy Controls

Active worrying

Past worrying

18

Neurobiologie der GAS ACC-Hyporaktivierung: Emotionsregulation? ACC

19

Neurobiologie der GAS Ineffective Amygdala-PFC coupling? Konnektivität

20

Neurobiologie der GAS Cortisol Cortisol

21

Neurobiologie der GAS Cortisol Cortisol

22

Neurobiologie der GAS Interaktion Serotonin – Cortisol? Cortisol

23

Neurobiologie der GAS Interaktion Cortisol - Konnektivität? Wie hängt (vielleicht) alles zusammen?

24

Neurobiologie der GAS Ein neurobiologisches Modell der GAS? (heuristisches) Modell

Hilbert, K., Lueken, U., Beesdo-Baum, K. (2014). Neural structures, functioning and connectivity in Generalized Anxiety Disorder and interaction with neuroendocrine systems: A systematic review. Journal of Affective Disorders, 158, 114- 25 126.

Heutige Veranstaltung Meine Lernziele für heute: Der Plan für heute 





Was ist die Generalisierte Angststörung – und warum interessieren wir uns in der MRT-Forschung für sie? Ausgewählte Befunde zur Neurobiologie der GAS Die Untersuchung verschiedener FS zur Neurobiologie der GAS in einer exemplarischen Studie am Institut

26

Neurobiologie der GAS Studie Titel: Neurale und endokrine Emotions- und Stressregulation bei Generalisierter Angststörung PI: Prof. Dr. Katja Beesdo-Baum Erhebungszeitraum: 2009-2013 Einschlusskriterien: Aktuelles Vorliegen von GAD oder MD oder keine psychische Störung (lifetime) Ausschlusskriterien: psychotrope Medikation, Substanzabhängigkeit (nicht remittiert), rauchen von > 10 Zigaretten / Tag, MRT-spezifische Kriterien 27

Neurobiologie der GAS Sample Composite International Diagnostic Interview (CIDI; Wittchen & Pfister,1997)

GAS-only: n = 7

KG: n = 24

GAS / MD: n = 12

MD-only: n = 14

28

Neurobiologie der GAS Studiendesign



Tag 0

Tag 1

(fMRI + EDA)

(fMRI + EDA)

Diagnostisches Interview (CIDI)

• • • •

Klinische Fragebögen Speichelcortisol Strukturelle MRT fMRT

Tag 2 • • •

Klinische Fragebögen TSST Haarcortisol

29

Neurobiologie der GAS Ziele und Herausforderungen Ziele 1) Charakterisierung der Neurobiologie von GAS 2) Untersuchung der Spezifität im Vergleich zu verwandten Störungen Herausforderungen – Teils inhomogene Studienlage – Hohe Komorbidität – Schwierige Rekrutierungsbedingungen

30

GAS Verhaltenssymptome bei GAS Methodischer Exkurs: Ausschlusskriterien MRT 



Nicht alle potentiellen Probanden kommen für MRTUntersuchungen in Frage Insbesondere mit dem starken Magnetfeld, aber auch mit den Untersuchungsbedingungen sind spezielle Ausschlusskriterien verbunden



Bei wiss. Studien ist man meist besonders streng



Beispiele:

- Herzschrittmacher, Medikamentenpumpe etc. - Implantate, Clips, Drähte, Granatsplitter - Operationen an Herz oder Kopf - Schwangerschaft - Glittergel, Permanentmakeup, Schleifarbeiten 31

Neurobiologie der GAS Fragestellungen Ausgewählte Fragestellungen 1) Durch welche neurostrukturellen Korrelate lässt sich GAS charakterisieren? 2) Besitzen diese Korrelate Spezifität im Vergleich zu verwandten Störungen? 3) Finden sich vergleichbare Befunde für Cortisol? 4) Können Befunde verschiedener Analyseebenen integriert werden? Besitzen diese Befunde einen möglichen diagnostischen Wert? 32

Neurobiologie der GAS Fragestellungen Ausgewählte Fragestellungen 1) Durch welche neurostrukturellen Korrelate lässt sich GAS charakterisieren? 2) Besitzen diese Korrelate Spezifität im Vergleich zu verwandten Störungen? 3) Finden sich vergleichbare Befunde für Cortisol? 4) Können Befunde verschiedener Analyseebenen integriert werden? Besitzen diese Befunde einen möglichen diagnostischen Wert? 33

Neurobiologie der GAS Wiederholung: Struktur vs. Funktion: (f)MRT Methodischer Exkurs: Strukturelle MRT

34

Neurobiologie der GAS Was sind strukturelle Veränderungen? Methodischer Exkurs: Strukturelle MRT Gewebeschädigung Volumen

Gyrifikation

www.news.doccheck.com

schizophrenia.com www.ajp.psychiatryonline.org 35

Neurobiologie der GAS Was sind strukturelle Veränderungen? Methodischer Exkurs: Strukturelle MRT Asymmetrie

www.radiologyassistant.nl

Oberfläche

www.mpibpc.mpg.de

Kortikale Dicke

www.martinos.org

36

Neurobiologie der GAS Was sind strukturelle Veränderungen? Methodischer Exkurs: Strukturelle MRT Diffusion

37 www.healthcare.siemens.com

Neurobiologie der GAS Exkurs: VBM

Methodischer Exkurs: Strukturelle MRT Voxel-based morphometry

 Untersucht Volumen oder regionale Konzentration

38

Neurobiologie der GAS Exkurs: VBM

Methodischer Exkurs: Strukturelle MRT Voxel-based morphometry 0.5

0.9

0.1

Patienten

Kontrollen 0.5

0.2

39

Neurobiologie der GAS Neurostrukturelle Vorbefunde zur GAS Graue Substanz

Weiße Substanz

PFC (uneinheitlich)

Temporallappen

Amygdala

Temporallappen

Hippocampus 40

Neurobiologie der GAS Strukturelle Korrelate - Methoden GAD (n = 19) Alter

Gesunde Kontrollen (n = 23)

33.47

(8.9)

32.25

(9.3)

Weiblich

16

(84.2)

17

(70.8)

Rechtshänder

17

(89.5)

21

(87.5)

Abitur

12

(63.2)

18

(75.0)

Nichtraucher

19

(100.0)

22

(95.7)

PSWQ***

62.0

(6.2)

36.00

(10.0)

BDI***

21.2

(7.4)

4.50

(4.8)

IUS-D-12***

41.0

(7.0)

25.75

(6.7)

STAI-T***

56.2

(7.1)

33.58

(6.8)

Hilbert, K., Pine, D. S., Muehlhan, M., Lueken, U., Steudte-Schmiedgen, S., Beesdo-Baum, K. (2015). Gray and white matter abnormalities in generalized anxiety disorder by categorical and dimensional characterization. Psychiatry 41 Research: Neuroimaging, 234, 314-320.

Neurobiologie der GAS Strukturelle Korrelate - Ergebnisse Contrast

Region

Side

Voxels

t

x

y

z

Grey matter: GAD > HC Striatum Superior temporal pole White matter: GAD > HC Occipital lobe White matter: HC > GAD Middle frontal lobe

R R

2507 294

4.95 4.76

33 35

-10 14

-9 -23

L

254

4.34

-27

-76

4

L

261

4.94

-33

14

46

Analysis: Independent t-test minimum cluster size = 200; voxelwise p < 0.001

Hilbert, K., Pine, D. S., Muehlhan, M., Lueken, U., Steudte-Schmiedgen, S., Beesdo-Baum, K. (2015). Gray and white matter abnormalities in generalized anxiety disorder by categorical and dimensional characterization. 42 Psychiatry Research: Neuroimaging, 234, 314-320.

GAS Verhaltenssymptome bei GAS Methodischer Exkurs: Multiple Vergleiche 



 

Ein typischer MRT-Scan hat zehntausende bis hunderttausende Bildpunkte (Voxel) In Standardanalysen wie ANOVAs wird für jeden Voxel ein Test auf Signifikanz durchgeführt (= hunderttausende Tests) Bei α = 0.05 gilt: rund 5000 signifikante Ergebnisse per Zufall Eine Korrektur für multiple Vergleiche ist unerlässlich

Bennett et al., (2009)

43

Neurobiologie der GAS Fragestellungen Ausgewählte Fragestellungen 1) Durch welche neurostrukturellen Korrelate lässt sich GAS charakterisieren? 2) Besitzen diese Korrelate Spezifität im Vergleich zu verwandten Störungen? 3) Finden sich vergleichbare Befunde für Cortisol? 4) Können Befunde verschiedener Analyseebenen integriert werden? Besitzen diese Befunde einen möglichen diagnostischen Wert? 44

Neurobiologie der GAS Strukturelle Spezifität - Vorbefunde Chen & Etkin, 2013

Comparison group PTSD

Measurement grey matter volume

Results n.s.

Zhang et al., 2011

PTSD

white matter integrity

PTSD: ACC

PD

total volume

n.s.

Terlevic et al., 2013

„investigations of multiple diagnostic groups provide essential and novel information […], which is not possible through extrapolation from published studies on single-disorder cohorts” (Etkin

& Schatzberg, 2011, p. 975) Tabelle modifiziert aus Hilbert, K., Lueken, U., Beesdo-Baum, K. (2014). Neural structures, functioning and connectivity in Generalized Anxiety Disorder and interaction with neuroendocrine systems: A systematic review. Journal of Affective Disorders, 158, 114-126.

45

Neurobiologie der GAS Strukturelle Spezifität - Methoden

GAS: n = 19

KG: n = 24

GAS / MD: n = 12

MD: n = 26

46

Neurobiologie der GAS Strukturelle Spezifität - Methoden Phobienstudien

SP: n = 24

KG: n = 23

GAS: n = 15

PD: n = 16

Paniknetz

47

Neurobiologie der GAS Strukturelle Spezifität - Methoden GAD (n=15) Alter

PD (n=17)

SP (n=20)

HC (n=30)

33.33

(8.72)

30.35

(10.48)

25.05

(4.90)

28.83

(10.53)

Weiblich

14

(93.33)

9

(52.94)

16

(80.00)

21

(70.00)

Rechtshänder

14

(93.33)

17

(100.00)

19

(95.00)

30

(100.00)

Abitur

11

(73.33)

13

(76.47)

19

(95.00)

24

(80.00)

Nichtraucher**

15

(100.00)

11

(64.71)

20

(100.00)

27

(90.00)

PSWQ, PAS, SNAQ

61.67

(6.62)

19.60

(7.04)

20.60

(3.72)

ASI***

27.20

(8.62)

34.44

(12.20)

18.65

(8.51)

13.23

(6.93)

BDI***

20.93

(6.46)

12.12

(5.63)

4.10

(3.97)

2.97

(3.82)

Hilbert, K., Beesdo-Baum, K., Maslowski, N. I., Wittchen, H.-U., Kircher, T., Lueken, U. (unpublished manuscript). The brain anatomy of Generalized Anxiety Disorder, Panic Disorder and Specific Phobia in direct comparison: a voxel-based48 morphometry study.

Neurobiologie der GAS Strukturelle Spezifität - Ergebnisse Contrast

Region

Side

Voxels

t

x

y

z

R L

246 301

4.90 4.81

38 -41

11 -31

46 -27

R L

515 382

4.64 4.58

23 -23

-78 -78

-36 -38

L R

590 590

5.61 5.17

-20 23

-79 -78

-38 -36

SP > GAD

Middle frontal gyrus Inferior temporal gyrus White matter: GAD > PD Cerebellum Cerebellum White matter: GAD > SP Cerebellum Cerebellum Analysis: Pairwise independent t-test after ANOVA minimum cluster size > 200; voxelwise p < 0.001

Hilbert, K., Beesdo-Baum, K., Maslowski, N. I., Wittchen, H.-U., Kircher, T., Lueken, U. (unpublished manuscript). The 49 brain anatomy of Generalized Anxiety Disorder, Panic Disorder and Specific Phobia in direct comparison: a voxel-based morphometry study.

Neurobiologie der GAS Fragestellungen Ausgewählte Fragestellungen 1) Durch welche neurostrukturellen Korrelate lässt sich GAS charakterisieren? 2) Besitzen diese Korrelate Spezifität im Vergleich zu verwandten Störungen? 3) Finden sich vergleichbare Befunde für Cortisol? 4) Können Befunde verschiedener Analyseebenen integriert werden? Besitzen diese Befunde einen möglichen diagnostischen Wert? 50

Neurobiologie der GAS Cortisol Spezifität - Methoden Composite International Diagnostic Interview (CIDI; Wittchen & Pfister,1997)

GAS-only: n = 7

KG: n = 24

GAS / MD: n = 12

MD-only: n = 14

51

Neurobiologie der GAS Cortisol Spezifität - Ergebnisse

Keine Gruppenunterschiede im TSST

Steudte-Schmiedgen, S., Wichmann, S., Stalder, T., Kirschbaum, C., Hilbert, K., Muehlhan, M., Lueken, U., Beesdo-Baum, 52 K. (accepted). Hair cortisol concentrations and cortisol stress reactivity in generalized anxiety disorder, major depression and their comorbidity. Journal of Psychiatric Research. doi: 10.1016/j.jpsychires.2016.09.024

Neurobiologie der GAS Fragestellungen Ausgewählte Fragestellungen 1) Durch welche neurostrukturellen Korrelate lässt sich GAS charakterisieren? 2) Besitzen diese Korrelate Spezifität im Vergleich zu verwandten Störungen? 3) Finden sich vergleichbare Befunde für Cortisol? 4) Können Befunde verschiedener Analyseebenen integriert werden? Besitzen diese Befunde einen möglichen diagnostischen Wert? 53

Neurobiologie der GAS Exkurs: Biomarker Was ist ein Biologischer Marker (Biomarker)? “A characteristic that is objectively measured and evaluated as an indicator of normal biological processes, pathogenic processes, or pharmacologic responses to a therapeutic intervention.” (Biomarkers Definitions Working Group, 2001)

„Any substance, structure, or process that can be measured in the body or its products and influence or predict the incidence of outcome or disease.” (WHO, 2001)

54

Neurobiologie der GAS Exkurs: Biomarker Ein Beispiel für einen Biomarker: der Schwangerschaftest

55

Neurobiologie der GAS Exkurs: Biomarker Was können mögliche Biomarker in der klinischen Psychologie / Psychiatry sein? • Herzrate, Hautleitfähigkeit, Lidschlagreflex… • EEG, MRT, PET… • Cortisolausschüttung, -level… • 5-HTTLPR Polymorphismus… • Weitere…

56

Neurobiologie der GAS Exkurs: Machine Learning in Neuroimaging Training ≙



ACHTUNG: Test- und Trainingssets müssen unabhängig sein! Testing

? 57

Neurobiologie der GAS Methodischer Exkurs: Machine Learning für MRT

Orrú et al., (2012). Using Support Vector Machine to identify imaging biomarkers of neurological 58 and psychiatric disease: A critical review.

Neurobiologie der GAS Methodischer Exkurs: Machine Learning für MRT Ein Classifier muss unbedingt an einer unabhängigen Stichprobe getestet werden!  Cross-validation Separate Samples Training

VP1

VP2

VP3

VP4

VP5

VP6

VP7

VP8

VP9

VP10

Testing

VP11

VP12

VP13

VP14

VP15

VP16

VP17

VP18

VP19

VP20

VP1

VP2

VP3

VP4

VP5

VP6

VP7

VP8

VP9

Leave-one-out Training

Testing 2-fold Training Testing

VP10

VP1

VP2

VP3

VP4

VP5 VP6

VP7

VP8

Sonstige: k-fold, Leave-p-out, Leave-p-per-group/block-out etc.

VP9

VP10 59

Neurobiologie der GAS Methodischer Exkurs: Machine Learning für MRT Performance Evaluation: • Sensitivity: Anteil derjenigen mit einer Störung, die korrekt als solche erkannt wurden • Specificity: Anteil derjenigen mit ohne Störung, die korrekt als solche erkannt wurden • Balanced Accuracy: Mittelwert der Accuracy pro Label

Pattern Interpretation:

Auszugsweise aus Lüken et al., (2014). Diagnostic classification of specific phobia subtypes using structural MRI data: a machine-learning approach 60

Neurobiologie der GAS Methodischer Exkurs: Machine Learning für MRT Potentielle Anwendungsfälle: • Risiko (Gesund vs Störung) • Welcher Patient mit einem MCI bekommt Alzheimer? • Welcher Person mit einem Trauma entwickelt eine PTSD? • Diagnostik (Gesund vs Störung) • Welcher Patient hat eine unipolare depressive Störung und welcher eine bipolare? • Welches Kind hat ADHS? • Therapieprognose (Response vs Nonresponse) • Welcher Patient profitiert von Psychotherapie? • Welcher Patient profitiert von Exposition? Vorteile: • Einzelfallaussagen möglich • Sensitivität • Automatisierbarkeit

61

Neurobiologie der GAS Machine Learning - Methoden Composite International Diagnostic Interview (CIDI; Wittchen & Pfister, 1997)

GAS: n = 19

KG: n = 24

GAS / MD: n = 12

MD: n = 26

62

Neurobiologie der GAS Machine Learning - Methoden Weiblich Rechtshänder Abitur Nichtraucher Alter PSWQ*** BDI*** IUS-12*** STAI-T*** log-AUC

KG (n = 24) 17 21 18 22 32.25 36.00 4.50 25.75 33.58 199.55

(70.8) (87.5) (75.0) (95.7) (9.3) (10.0) (4.8) (6.7) (6.8) (66.1)

GAS (n = 19) 16 (84.2) 17 (89.5) 12 (63.2) 19 (100.0) 33.47 (8.9) 62.00 (6.2) 21.16 (7.4) 41.00 (7.0) 56.16 (7.1) 159.85 (38.8)

MD (n = 14) 12 (85.7) 11 (78.6) 12 (85.7) 13 (92.9) 29.86 (11.7) 57.43 (12.1) 21.36 (9.1) 32.71 (9.3) 55.00 (7.0) 196.61 (70.3)

1) Liegt ein Fall einer psychischen Störung vor? = HC vs GAD/MD 2) Handelt es sich um eine GAS ? = GAS vs MD-only Hilbert, K., Lueken, U., Muehlhan, M., Beesdo-Baum, K. (accepted). Separating Generalized Anxiety Disorder from Major Depression using clinical, hormonal and structural MRI data: a multimodal machine learning study. 63

Neurobiologie der GAS Machine Learning - Methoden Training

≙ ≙

Testing

? Hilbert, K., Lueken, U., Muehlhan, M., Beesdo-Baum, K. (accepted). Separating Generalized Anxiety Disorder from Major Depression using clinical, hormonal and structural MRI data: a multimodal machine learning study. 64

Neurobiologie der GAS Machine Learning - Methoden

MRI: grey matter

white matter

Cortisol

Fragebögen

Hilbert, K., Lueken, U., Muehlhan, M., Beesdo-Baum, K. (accepted). Separating Generalized Anxiety Disorder from Major Depression using clinical, hormonal and structural MRI data: a multimodal machine learning study. 65

Neurobiologie der GAS Machine Learning - Ergebnisse Genauigkeit der Klassifikationsmodelle *** * 100 80 60 40 20 0 Fragebögen sMRT: GM Genauigkeit Störung Gewichte ausgewählter Areale im Model 0.008

**

sMRT: WM

Cortisol

Genauigkeit GAS Gewichte der Fragebögen im Model 1

0.006

0.75

0.004

0.5

0.002

0.25

0

0

Amygdala Putamen Caudate OFC S. frontal PSWQ BDI STAI-T IUS-12 Hilbert, K., Lueken, U., Muehlhan, M., Beesdo-Baum, K. (accepted). Separating Generalized Anxiety Disorder from Major Depression using clinical, hormonal and structural MRI data: a multimodal machine learning study. 66

Neurobiologie der GAS Machine Learning: Integration - Methoden Classifier

1

2

grün

orange

orange grün

3

grün

orange

orange orange grün

grün

orange

orange

Hilbert, K., Lueken, U., Muehlhan, M., Beesdo-Baum, K. (accepted). Separating Generalized Anxiety Disorder from Major Depression using clinical, hormonal and structural MRI data: a multimodal machine learning study. 67

Neurobiologie der GAS Machine Learning: Integration - Ergebnisse Genauigkeit der Klassifikationsmodelle *** * 100 80 60 40 20 0 Fragebögen sMRT: GM

**

sMRT: WM

Genauigkeit Störung

Gewichte ausgewählter Areale im Model 0.008

Cortisol

***

*

Kombination

Genauigkeit GAS Gewichte der Fragebögen im Model 1

0.006

0.75

0.004

0.5

0.002

0.25

0

0

Amygdala Putamen Caudate OFC S. frontal PSWQ BDI STAI-T IUS-12 Hilbert, K., Lueken, U., Muehlhan, M., Beesdo-Baum, K. (accepted). Separating Generalized Anxiety Disorder 68 from Major Depression using clinical, hormonal and structural MRI data: a multimodal machine learning study.

Neurobiologie der GAS Machine Learning: Ausblick

Singh I, Rose N (2009): Biomarkers in psychiatry.

69

Neurobiologie der GAS Fazit Studien • Strukturelle Korrelate der GAS sind replizierbar • Korrelate hinsichtlich der Cortisolausschüttung können ebenfalls gefunden werden • Spezifität ist eher hoch für MD aber eher niedrig für Angststörungen • Integration der Ergebnisse führt zu einem Muster von Auffälligkeiten mit einer vgl hohen Spezifität • Möglicherweise besitzen solche Befunde in der fernen Zukunft sogar einen diagnostischen Wert Wichtige weitere Schritte • Erfolgreiche Replikation in reinen und komorbiden Samples • Weiteren Arbeiten zur Spezifität im Vergleich zu anderen Störungsgruppen • Integration verschiedener Analyseebenen 70

Neurobiologie der GAS Das sollten Sie heute gelernt haben  Was sind typische Charakteristika der Generalisierten Angststörung?  Worin liegt der Unterschied zwischen struktureller und funktioneller MRT? Welche verschiedenen Indizes könnte man dazu beispielsweise untersuchen?  Welche Areale des Gehirns wurden relativ konsistent neurostrukturelle und funktionelle Korrelate der GAS gefunden? Wie sieht es mit der Konnektivität zwischen den Arealen aus?  Welche methodischen oder praktischen Aspekte muss man bei der Durchführung von MRT Studien beachten – bspw. hinsichtlich Ein- und Ausschlusskriterien oder multiplen Vergleichen (methodische Exkurse beachten)?

71

Literatur zur Vertiefung Literatur zur Vertiefung • Etkin, A., Prater, K. E., Schatzberg, A. F., Menon, V. & Greicius, M. D. (2009). Disrupted Amygdalar Subregion Functional Connectivity and Evidence of a Compensatory Network in Generalized Anxiety Disorder. Archives of General Psychiatry, 66(12), 1361-1372. • Etkin, A. & Schatzberg, A. F. (2011). Common Abnormalities and DisorderSpecific Compensation During Implicit Regulation of Emotional Processing in Generalized Anxiety and Major Depressive Disorders. American Journal of Psychiatry, 168(9), 968–978. • Hernandez, E., Lastra, S., Urbina, M., Carreira,I. & Lima, L. (2002). Serotonin, 5-hydroxyindoleacetic acid and serotonin transporter in blood peripheral lymphocytes of patients with generalized anxiety disorder. International Immunopharmacology, 2, 893–900.

72

Literatur zur Vertiefung Literatur zur Vertiefung • Hilbert, K., Lueken, U. & Beesdo-Baum, K. (2014). Neural structures, functioning and connectivity in Generalized Anxiety Disorder and interaction with neuroendocrine systems: A systematic review. Journal of Affective Disorders, 158, 114–126. • Mantella, R. C., Butters, M. A., Amico, J. A., et al. (2008). Salivary cortisol is associated with diagnosis and severity of late-life generalized anxiety disorder. Psychoneuroendocrinology, 33, 773–781. • Singh I, Rose N (2009): Biomarkers in psychiatry. Nature. 460:202-207.

• Steudte, S., Stalder, T., Dettenborn, L., Klumbies, E., Foley, P., Beesdo-Baum, K. & Kirschbaum, C. (2011). Decreased hair cortisol concentrations in generalised anxiety disorder. Psychiatry Research, 186, 310–314.

73

Ausblick 09.01.2017:

www.hochschuldidaktik.net

Stimmanalyse emotionalen Arousals in der Psychotherapie (Gesine Wieder)

www.ottoazubiblog.de

74