Тревожные расстройства характеризуются крайне гетерогенными траекториями клинического течения. Через два года после появления расстройств тревожного спектра прогноз варьируется в зависимости от расстройства: частота появления ремиссии составляет 72,5% для панического расстройства без агорафобии, 69,7% - для генерализованного тревожного расстройства, 53,5% - для социальной фобии и 52,7% - для панического расстройства с агорафобией. Пациенты в ремиссии имеют относительно доброкачественное течение с умеренной тяжестью остаточных симптомов, инвалидностью и низкой субъективной потребностью в уходе. Однако, около 60% пациентов имеют стойкие симптомы, рецидивы или хроническое заболевание в течение 6 лет после постановки диагноза. Прогнозирование долгосрочного течения заболевания можно рассматривать как важный шаг на пути к персонализированной медицине. Несколько клинических, психологических, биологических, социально-демографических маркеров и маркеров образа жизни связаны с течением заболевания. Например, более высокая исходная тяжесть симптомов тревоги, наличие сопутствующих соматических или психиатрических заболеваний и более высокие уровни инвалидности связаны с худшими исходами через 1 год. Большинство исследований показали, что более молодой возраст в начале был связан с хроническим течением. Другими факторами, которые, возможно, были связаны с более тяжелым течением заболевания, были продолжительность нелеченного заболевания, использование успокаивающих препаратов и наличие детской травмы.
Другими факторами, которые, возможно, были связаны с более тяжелым течением заболевания, были продолжительность нелеченного заболевания , использование успокаивающих препаратов и наличие детской травмы. Другими факторами, которые, возможно, были связаны с более тяжелым течением заболевания, были продолжительность нелеченного заболевания , использование успокаивающих препаратов и наличие детской травмы .
Биомаркеры типа течения
Только в нескольких исследованиях биологические параметры связывались с течением заболевания при тревожных расстройствах: уровни С-реактивного белка (СРБ) были лонгитюдно связаны с симптомами тревоги. Повышение уровня кортизола было связано с более высокими уровнями тревожности у девочек , а более низкие уровни мозгового нейротропного фактора (BDNF) были обнаружены у пациентов с плохим ответом на лечение. Тем не менее, большинство исследований биологических параметров тревожных расстройств проводились перекрестно, показывая, что состояние тревожного расстройства связано с более высокими уровнями СРБ, более высокими маркерами метаболического синдрома , более высоким уровнем фактора некроза опухоли- α (TNF - α ) , более низкими уровнями BDNF. Непоследовательно, симптомы тревоги были связаны как с более высоким , так и с более низким кортизолом, а также с более высоким и более низким уровнем интерлейкина-6 (IL-6). Наконец, социально-демографические факторы и факторы образа жизни, такие как годы образования , возраст , статус партнера , социальная поддержка , статус курения , никотиновая зависимость, текущие финансовые проблемы, статус занятости и доход были связаны с течением болезни тревожного расстройства.
Возможным объяснением недостаточной точности прогнозирования течения тревожных расстройств является сложная мультипричинная этиология тревожных расстройств. Однофакторный и многофакторный анализ предикторов течения заболевания показал низкий уровень объясненной дисперсии. Методы многовариантного машинного обучения (ML) обеспечивают возможное решение этой проблемы, поскольку они хорошо подходят для решения проблем с большим количеством предикторов при сложных мультипричинных расстройствах. Использование машинного обучения в области психиатрии может иметь большой потенциал для его применения в прогнозировании траекторий течения болезни. Прогнозирование течения заболевания можно рассматривать как «классификационную» задачу, которую можно решить с помощью контролируемых алгоритмов. В них алгоритмы обучаются на пациентах с известными переменными-предикторами и исходами для получения функции, которую можно применять к невидимым пациентам для прогнозирования их исхода на основе значений их переменных-предикторов. При тревожных расстройствах контролируемые алгоритмы применялись несколько раз перекрестно, чтобы связать предикторы из различных доменов с текущим статусом заболевания. В них алгоритмы обучаются на пациентах с известными переменными-предикторами и исходами для получения функции, которую можно применять к невидимым пациентам для прогнозирования их исхода на основе значений их переменных-предикторов или для прогнозирования краткосрочных эффектов лечения .
Машинное обучение
Результаты исследований показывают, что основная этиология имеет меньшее значение для прогнозирования течения после развития пороговых расстройств и что после развития тревожных расстройств фенотипические характеристики оказывают большее влияние на последующее течение заболевания. Это видно из отдельных признаков, которые в наибольшей степени способствовали классификации. Все эти признаки отражали симптомы, психологические состояния или черты, связанные с эмоциями страха и беспокойства, такие как наличие «фобических симптомов», трудности «ходить в одиночестве по оживленной улице» или «общаться с незнакомыми людьми», «чувство напряжения», « не любит быть там, где происходит действие», и «чувствует слабость или головокружение».
Индивидуальные признаки, которые наиболее последовательно выбирались во время классификации, опять-таки были почти исключительно из клинической и психологической областей. Симптомы, психологические черты и психологические состояния, связанные с депрессией и беспокойством, в наибольшей степени способствовали классификации. Например: «чувствовать себя подавленным», «чувствовать грусть», наличие «желания умереть», «страдание от беспокойства», «чувство напряжения» и «неспособность контролировать происходящее». Это говорит о том, что прогнозы выздоровления от всех расстройств тревожного спектра в значительной степени обусловлены сопутствующими депрессивными симптомами.
Добавить комментарий