Neue Bildanalysemethoden können die Behandlung von Schizophrenie verbessern

Forscher haben Werkzeuge entwickelt, um die Analyse von Daten der funktionellen Magnetresonanztomographie (fMRT) zu verbessern, die den Weg für eine Verbesserung der Behandlung von Schizophrenie ebnen können.

Die von den Forschern der Universität von Maryland, Baltimore County (UMBC) in den USA entwickelte Bildanalysemethode wird als unabhängige Vektoranalyse (IVA) für die gemeinsame Subraumextraktion (CS) bezeichnet.

Durch diese Methode konnten sie Untergruppen funktioneller MRT-Daten ausschließlich anhand der Gehirnaktivität kategorisieren, was beweist, dass ein Zusammenhang zwischen Gehirnaktivität und bestimmten psychischen Erkrankungen besteht, heißt es in der in der Zeitschrift NeuroImage veröffentlichten Studie.

Schizophreniepatienten unter Verwendung der funktionellen MRT-Daten

Insbesondere konnten sie anhand der von ihnen analysierten funktionellen MRT-Daten Untergruppen von Schizophreniepatienten identifizieren. Bisher gab es keinen klaren Weg, Schizophrenie bei Patienten allein anhand der Bildgebung des Gehirns zu gruppieren, aber die von UMBC-Forschern entwickelten Methoden zeigten, dass ein signifikanter Zusammenhang zwischen der Gehirnaktivität eines Patienten und seinen Diagnosen besteht.

„Der aufregendste Teil ist, dass wir herausgefunden haben, dass die identifizierten Untergruppen klinische Bedeutung besitzen, indem wir ihre diagnostischen Symptome untersucht haben“, erklärte Qunfang Long, Ph.D. Kandidat bei UMBC.

„Dieser Befund ermutigte uns, mehr Anstrengungen zur Untersuchung von Subtypen von Patienten mit Schizophrenie unter Verwendung von Neuroimaging-Daten zu unternehmen.“

Ihre Arbeit kann bei der Diagnose und Behandlung von Patienten mit psychischen Erkrankungen helfen, die schwer zu identifizieren sind. Es kann Ärzten auch zeigen, ob die aktuellen Behandlungen auf der Grundlage von Bildgruppierungen durchgeführt wurden oder nicht.

„Nachdem datengesteuerte Methoden an Popularität gewonnen haben, bestand eine große Herausforderung darin, die Variabilität für jedes Subjekt zu erfassen und gleichzeitig Analysen an fMRI-Datensätzen einer großen Anzahl von Subjekten durchzuführen“, sagte Tulay Adali, Professor an der UMBC.

„Jetzt können wir diese Analyse effektiv durchführen und aussagekräftige Gruppierungen von Probanden identifizieren“, sagte Adali.