Pendekatan Berbasis Data yang Dapat Mengubah Layanan Kesehatan Mental pada tahun 2025… dan seterusnya

Oleh Greg Hajcak, Ph.D., kepala petugas ilmiah, Universal Brain

Selama lebih dari satu abad, para profesional kesehatan mental telah mendiagnosis dan menangani kondisi kesehatan mental berdasarkan pengamatan mereka dan gejala yang dilaporkan pasien. Dokter mengumpulkan informasi yang sebagian besar subjektif ini untuk menentukan apakah pasien “memenuhi kriteria” untuk suatu kelainan tertentu, menurut Manual Diagnostik dan Statistik Gangguan Mental (DSM). Diagnosis gangguan adalah titik awal yang diperlukan untuk semua uji klinis untuk mengevaluasi pengobatan baru.

DSM mengizinkan a politeistik pendekatan diagnostik, artinya suatu kondisi memerlukan banyak gejala, namun tidak semuanya diperlukan. Variabilitas ini menghasilkan heterogenitas yang luas pada pasien dengan kondisi yang sama. Diagnosis depresi, misalnya, dapat dicapai dengan menggunakan 200 konstelasi gejala yang berbeda. Akibatnya, dua pasien dapat didiagnosis menderita depresi – dan hanya memiliki satu gejala yang sama – seperti kesulitan berkonsentrasi.

Heterogenitas yang luas ini dikombinasikan dengan interpretasi klinis yang subyektif sering kali menghasilkan pengobatan yang tidak tepat, pasien yang frustrasi, dan hasil yang buruk. Namun, momentumnya adalah pendekatan berbasis data, yang sering disebut sebagai “psikiatri presisi”, yang bertujuan untuk mempersonalisasi layanan kesehatan mental sehingga pasien dapat menerima perawatan yang efektif dan dapat ditoleransi lebih cepat.

Pencarian Biomarker yang Andal

Data yang mendorong pertumbuhan psikiatri presisi melibatkan pengukuran biologis. Para peneliti telah mempelajari banyak biomarker ini selama beberapa dekade untuk mengidentifikasi dan membedakan subtipe (atau “neurotipe” ketika menggunakan data otak) dari kondisi kejiwaan.

Beberapa contoh biomarker yang saat ini sedang diselidiki meliputi memori, gen, kinerja kognitif, ucapan, hormon, dan mikroba usus. Meskipun beberapa hubungan menarik telah dipublikasikan antara biomarker ini dan kesehatan mental, masih sangat sedikit yang digunakan untuk mengkategorikan pasien ke dalam “biotipe” yang homogen dalam konteks uji klinis. Pendekatan ini pada akhirnya dapat menghasilkan keputusan pengobatan yang lebih tepat sasaran dan efektif.

Salah satu metode yang menjanjikan untuk neurotyping melibatkan pengukuran potensi terkait peristiwa (ERP), yang merupakan pengukuran fungsional otak yang dikumpulkan melalui aktivitas otak terkait tugas yang terlihat pada electroencephalogram (EEG). Biomarker saraf ini, yang dipelajari selama beberapa dekade, secara konsisten menunjukkan keandalan tes-tes ulang yang tinggi dan kemampuan interpretasi di berbagai kondisi kesehatan mental. Misalnya, ERP dikaitkan dengan subtipe depresi tertentu dan dapat secara akurat memprediksi perjalanan depresi dan hasil pengobatan tertentu.

Sejarah ERP

ERP telah dipelajari sejak tahun 1960an, terutama dalam konteks penelitian psikologis dan akademis, dan belum digunakan secara luas dalam praktik klinis atau uji coba farmasi. Para peneliti telah menggunakan ERP untuk mempelajari berbagai domain kognitif, termasuk memori, perhatian, penglihatan, dan emosi, dan masih banyak lagi. Dalam beberapa tahun terakhir, biomarker ERP telah membantu menggali wawasan tentang kesehatan mental — termasuk skizofrenia, yang merupakan salah satu kondisi paling menantang yang harus ditangani oleh pasien, keluarga, dan dokter.

Biomarker depresi ERP yang menjanjikan berfokus pada respons otak pasien terhadap penghargaan, konten emosional, serta pengambilan keputusan dan perhatian. ERP ini tidak hanya dikaitkan dengan depresi, namun juga secara akurat memprediksi risiko individu terkena depresi dan perkembangannya dari waktu ke waktu.

Misalnya, a Studi tahun 2023 tentang remaja dengan depresi menemukan bahwa ERP yang terkait dengan respons terhadap rangsangan emosional memperkirakan respons terhadap terapi perilaku kognitif. Temuan ini menunjukkan bahwa ERP ini dapat berfungsi sebagai biomarker saraf untuk memprediksi hasil depresi remaja.

A meta-analisis 2019 diterbitkan di Review Tahunan Psikologi Klinis menyimpulkan bahwa ERP dapat digunakan secara klinis untuk membantu mengidentifikasi psikopatologi dan memetakan potensi perkembangan kondisi yang dimulai sejak masa kanak-kanak. Salah satu ERP tersebut, yaitu negativitas terkait kesalahan, ditemukan berperan penting dalam memahami perkembangan gangguan kecemasan dan peluang pengobatan.

Setahun kemudian, Jurnal Internasional Psikofisiologi ditinjau beberapa komponen ERP yang terkait dengan regulasi emosi. Penelitian selanjutnya menunjukkan ERP yang terkait dengan penerimaan penghargaan terkait erat dengan depresi dan dapat memprediksi remisi. Menggabungkan ERP yang berhubungan dengan emosi dan penghargaan dapat membantu membedakan subtipe depresi dan meningkatkan ketepatan pengobatan.

Menerapkan ERP pada Uji Klinis

Dari berbagai penelitian, ERP yang diukur melalui EEG telah terbukti berperan penting dalam penelitian dasar dan terapan yang valid secara ilmiah. Terdapat peluang besar bagi perusahaan farmasi untuk menerapkan ERP dalam uji klinis guna mengembangkan perawatan yang lebih personal. Namun psikiatri lebih tertarik pada penggunaan pencitraan resonansi magnetik fungsional (fMRI) untuk mengukur aktivitas otak. Namun studi pencitraan berbasis MRI mahal dan seringkali mahal untuk uji klinis dan digunakan untuk melacak kesehatan mental. Mengingat biaya dan kompleksitas MRI, sulit juga untuk menskalakan teknologi ini untuk melayani populasi peserta atau pasien uji klinis yang luas. Semakin mengurangi skalabilitas, MRI memerlukan teknisi dengan pelatihan khusus dan sertifikasi di beberapa negara bagian. Terakhir, pemeriksaan MRI tidak cocok untuk pasien penderita klaustrofobia atau pasien yang memiliki logam di tubuhnya. Hal ini dapat membatasi penerapannya pada populasi individu yang luas yang akan mendapatkan manfaat dari perawatan kesehatan mental yang sangat dipersonalisasi.

Sebaliknya, data ERP akan lebih mudah dan lebih murah untuk diambil. Studi EEG relatif sederhana untuk dilakukan berkat kemajuan teknologi dalam beberapa dekade sejak pertama kali dipelajari. Penggunaan perangkat EEG tidak memerlukan banyak pelatihan dan pengalaman untuk mengoperasikannya seperti mesin MRI. Dalam kebanyakan kasus, elektroda tidak memerlukan gel konduktif yang berantakan untuk menangkap ERP secara efektif, sehingga penelitian ini lebih dapat ditoleransi oleh pasien.

Yang terpenting, pengukuran ERP terhadap fungsi otak telah terbukti lebih andal dibandingkan pengukuran berbasis fMRI. Dalam uji klinis, keandalan, kecepatan, biaya, dan skalabilitas EEG dan ERP dapat membantu perusahaan farmasi mengembangkan terapi baru dalam waktu lebih singkat dan dengan menginvestasikan lebih sedikit sumber daya.

Penyelidik dapat menggunakan ERP untuk mengukur fungsi otak di setiap fase. Pada perekrutan peserta, misalnya, penilaian ERP yang cepat dapat segera mengidentifikasi peserta yang tepat yang akan mendapatkan manfaat paling besar dari obat yang sedang dikembangkan. Hal ini membantu memastikan homogenitas di antara kelompok yang berbeda, sehingga mendukung uji klinis yang lebih efisien.

Masa Depan Berbasis Data

Ada kemajuan besar dalam teknik ilmu data, seperti AI generatif. Pada saat yang sama, ERP berusia hampir satu abad. Meskipun demikian, kemajuan teknologi telah menyederhanakan studi EEG dan analisis data ERP, menjadikan biomarker ini lebih terjangkau, terukur, dan mudah digunakan oleh dokter dan pasien.

Karena alasan-alasan praktis ini – serta meningkatnya akumulasi bukti-bukti persuasif yang diterbitkan dalam jurnal-jurnal peer-review – kita dapat mengharapkan ERP untuk lebih dimasukkan dalam uji klinis kesehatan mental pada tahun 2025. Saatnya yang tepat bagi ERP untuk beralih dari laboratorium akademis ke laboratorium nyata. -impor dunia. Ada harapan, jika tidak mungkin, bahwa ERP akan muncul di tahun-tahun mendatang sebagai metode standar untuk menilai fungsi otak dalam bidang psikiatri presisi yang sedang berkembang dan menarik.

Tentang Penulis:

Greg Hajcak, Ph.D., adalah kepala petugas ilmiah di Universal Brain dan Profesor Kesehatan Mental Anak & Remaja Sheri Sobrato di Universitas Santa Clara.