Artificiële intelligentie kan de diagnose van bipolaire stoornis en schizofrenie makkelijker maken.
Beeld: Cytokinen zijn bepaalde eiwitten die door immuuncellen worden aangemaakt en kunnen dienen als merker voor schizofrenie en bipolaire stoornis. Credit: Scientific Animations
Een recente studie wijst op machine learning modellen om de diagnose en ziektetoestand van schizofrenie en bipolaire stoornis te voorspellen. Onderzoekers van de Universiteit Antwerpen en het Universitair Psychiatrisch Centrum (UPC) in Duffel hebben, in samenwerking met de Université Paris-Est Créteil, onderzocht hoe merkers in het immuunsysteem ingezet kunnen worden om schizofrenie en bipolaire stoornis in een vroeg stadium te kunnen vaststellen.
Accurate diagnose mogelijk
Biologische merkers zijn meetbare stoffen in ons lichaam, zoals eiwitten of hormonen, die duiden op de aan- of afwezigheid van een aandoening, op de toestand van de aandoening, of hoe het lichaam reageert op een behandeling. Doctoraatsonderzoeker Katrien Skorobogatov (UPC Duffel/UAntwerpen) en haar collega’s hebben nu met machine learning-technieken aangetoond dat bepaalde merkers in het immuunsysteem sneller een accurate diagnose mogelijk zouden maken. Onderzoek wees eerder al op een beduidende rol van het immuunsysteem in het ontstaan en de ontwikkeling van psychiatrische aandoeningen.
‘Ons onderzoek wil aantonen hoe die merkers de relatie tussen het immuunsysteem en schizofrenie en bipolaire stoornis kunnen verklaren’, legt onderzoeker Skorobogatov uit. ‘Met machine learning kunnen we op basis van die merkers een model maken en tevens een algoritme, dat gebruikt kan worden als voorspellende waarde om een diagnose te stellen.’
‘Vroeger kunnen diagnosticeren en ingrijpen in het ziekteproces zou traumatische ervaringen bij patiënten aanzienlijk kunnen terugdringen’
In het model werden twee types merkers uit het immuunsysteem opgenomen om het algoritme te kunnen bouwen. Machine learning zou in een grote database schizofrenie of bipolaire stoornis kunnen herkennen aan de hand van cytokinen en kynurenine metabolieten. ‘Cytokinen zijn bepaalde eiwitten die door immuuncellen worden aangemaakt, die optreden als alarmsignaal of boodschapper bij infecties of ontstekingen’, aldus Skorobogatov. ‘De aanmaak van kynurenine metabolieten worden dan weer gestimuleerd door deze cytokinen en werken op hun beurt in op neurotransmitters in het brein.’ Neurotransmitters, of signaalstoffen in onze hersenen (bijvoorbeeld dopamine), reguleren onze stemming, emoties en gedrag en brengen die in balans. Een verstoorde balans van een of meer neurotransmitters kan psychiatrische symptomen veroorzaken.
Spectrum
Skorobogatov en haar collega’s zagen in hun resultaten dat mensen met schizofrenie of bipolaire stoornis minder kynurenines en meer ontstekingsbevorderende cytokines in hun bloed hadden dan mensen zonder die aandoeningen. Met kennis van die waarden kan het algoritme de aan- of afwezigheid van psychiatrische stoornissen voorspellen. Wel bleek het moeilijk om schizofrenie en bipolaire stoornis van elkaar te onderscheiden aan de hand van de modellen. ‘Klinisch schizofrenie van bipolaire stoornis onderscheiden blijkt niet altijd even makkelijk. Ook met immuunmerkers slagen we hier tot nog toe moeilijk in. Dat hier geen merker voor gevonden kon worden, doet wel de vraag rijzen of er sprake is van twee losstaande aandoeningen of het eerder gaat over een spectrum waar schizofrenie en bipolaire stoornis zich beiden op bevinden.’
Kan een ontregeld immuunsysteem dan medeverantwoordelijk zijn voor dergelijke aandoeningen? ‘Uit veel studies blijkt inderdaad dat een ontregeld immuunsysteem een verhoogde kans geeft op psychiatrische aandoeningen. De merkers kunnen de balans van onze neurotransmitters verstoren – wat wijst op een duidelijke link. Ander onderzoek heeft ook al aangetoond dat verhoogde ontstekingswaarden een verhoogd risico geven op psychiatrische aandoeningen. Er is ook gevonden dat deze storingen in het immuunsysteem al tot dertig jaar voor diagnose aanwezig waren.’
Om de machine learning modellen te kunnen vertalen naar de praktijk, moeten er meer aspecten meegenomen worden in de database. Zo zouden mogelijk nog betere voorspellingen gemaakt worden. ‘Het toevoegen van variabelen van verschillende domeinen, zoals genetische merkers en klinische vragenlijsten die bijvoorbeeld peilen naar psychose, aan de modellen zou hierin de volgende stap zijn. Vroeger kunnen diagnosticeren en ingrijpen in het ziekteproces zou traumatische ervaringen bij patiënten aanzienlijk kunnen terugdringen.’
‘Meer gepersonaliseerde behandelingen, in plaats van hetzelfde protocol te hanteren voor ronduit alle psychiatrische aandoeningen, is waar we naartoe moeten. Zo zou bij chronische inflammatie (verhoogde ontstekingswaarden) een ontstekingsremmend middel kunnen bijdragen aan de behandeling’, besluit Skorobogatov.
Het onderzoek is verschenen in het academisch tijdschrift Brain, Behavior, and Immunity.
