Точная психиатрия: машинное обучение и генетические данные для прогноза лечения
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала рассматривает точную психиатрию как подход, который дополняет клиническую оценку пациента биологическими и нейровизуализационными данными, а также алгоритмами прогнозирования. По мнению автора, машинное обучение позволяет выявлять закономерности в данных и строить модели ответа на лечение. Их применению, однако, могут мешать проблемы воспроизводимости, пропущенных данных и переобучения.
В качестве примеров автор приводит фармакогенетические рекомендации по выбору или дозировке препаратов с учетом генотипов CYP2D6, CYP2C19 и HLA. Обзор исследований связывает ответ на литий с клиническими характеристиками пациентов, а устойчивость к антидепрессантам и рецидив психоза — с сочетанием симптоматических и социальных факторов. По данным метаанализа 20 исследований, модели прогнозирования результатов лечения униполярной и биполярной депрессии показали общую клинически значимую точность 0,82; лучшие результаты продемонстрировали модели, объединявшие нейровизуализационные, генетические и клинические данные.
Главное
- Автор отмечает, что точная психиатрия требует учитывать биологические и нейровизуализационные данные наряду с клинической оценкой пациента.
- Автор приводит рекомендации по препаратам с учетом CYP2D6 для атомоксетина и CYP2C19 для СИОЗС и трициклических антидепрессантов.
- В материале указано, что рекомендации по карбамазепину учитывают генотипы HLA и риск тяжелых побочных реакций.
- По данным метаанализа 20 исследований, общая клинически значимая точность моделей для прогнозирования лечения депрессии составила 0,82.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация