Onafhankelijk, multidisciplinair en betrouwbaar
Voorspellende waarde van kenmerken op een MRI-scan van de hersenen

Kunstmatige intelligentie in de psychiatrie

Perspectief
Guido A. van Wingen
Citeer dit artikel als
Ned Tijdschr Geneeskd. 2021;165:D5434
Abstract
Abstract
Sluiten
Artificial intelligence in psychiatry: predictive value of characteristics on MR imaging of the brain

The clinical application of neuroimaging for psychological complaints has so far been limited to the exclusion of somatic pathology. Radiological assessment of brain scans usually does not explain the psychological symptoms. However, that does not mean that psychological symptoms have no neurobiological basis. Hope has therefore been placed on functional MRI, which measures the activity of the brain. However, this has not yet resulted in clinical applications. A multivariate approach using machine learning analysis now appears to be changing this. Recent studies show that machine learning analysis of functional as well as structural MRI images can also provide diagnostic, prognostic and predictive biomarkers for psychiatry. Larger studies are needed to develop clinical applications, such as clinical decision support systems to support personalized treatment choices.

Conflict of interest and financial support: potential conflicts of interest have been reported for this article. ICMJE forms provided by the authors are available online along with the full text of this article.

Voorspellen welke patiënt een psychotische stoornis krijgt of van te voren bepalen welke behandeling het effectiefst is? Het zijn zomaar wat grepen uit wat de toepassing van kunstmatige intelligentie in de psychiatrie kan opleveren. Toekomstmuziek? Of kunnen machinelearningmodellen de zorg nu al verbeteren?

Samenvatting

Tot op heden wordt beeldvormend onderzoek in de psychiatrie alleen toegepast om somatische aandoeningen uit te sluiten. Radiologisch onderzoek van de hersenen biedt doorgaans geen verklaring voor de psychische symptomen. Dat betekent echter niet dat psychische symptomen geen neurobiologische basis hebben. De hoop is daarom al jaren gevestigd op functionele MRI, waarmee de activiteit van de hersenen wordt gemeten. Met de komst van machinelearninganalyse komt de klinische toepassing van MRI in de psychiatrie een stap dichterbij. Recente studies laten zien dat machinelearninganalyse van zowel functionele als structurele kenmerken (biomarkers) op een MRI-scan van de hersenen ook van diagnostische, prognostische en voorspellende waarde kan zijn in de psychiatrie. Grotere studies zijn nodig om klinische toepassingen te ontwikkelen, zoals ‘clinical decision support systems’ ter ondersteuning van de behandelkeuze voor de individuele patiënt.

Artikelinformatie
Aanvaard op
In print verschenen in
week 14 2021

Citeer dit artikel als

Ned Tijdschr Geneeskd. 2021;165:D5434
Vakgebied
Beeldvorming
GGZ
Auteursinformatie

Amsterdam UMC, locatie AMC, afd. Psychiatrie en Amsterdam Neuroscience, Amsterdam: prof.dr. G.A. van Wingen, psycholoog

Contact G.A. van Wingen (g.a.vanwingen@amsterdamumc.nl)

Belangenverstrengeling

Belangenconflict en financiële ondersteuning: er zijn mogelijke belangen gemeld bij dit artikel. ICMJE-formulieren met de belangenverklaring van de auteurs zijn online beschikbaar bij dit artikel.

Auteur Belangenverstrengeling
Guido A. van Wingen ICMJE-formulier
Heb je nog vragen na het lezen van dit artikel?
Check onze AI-tool en verbaas je over de antwoorden.
ASK NTVG

Ook interessant

Reacties

Het zou de psychiatrie kunnen helpen om weer biologisch te gaan denken en biologisch te leren kijken. Geen aandoening komt zomaar. Is de ontwikkeling van de samenhangende orgaansystemen in de groeifase wel optimaal verlopen?  Klopt de anatomie en de fysiologie van het samenhangende systeem nog wel? Uit langdurige ervaring met het samengaan van vorm- en functieafwijkingen van de wervelkolom en het ruggenmerg vanaf het achterhoofdsgat en het (zelf!) beoordelen van duizenden MRI"s bij de meest uiteenlopende "wervelkolomproblemen" is een ding duidelijk: bij geen van de rugproblemen (op een gezonde motorrijder met hoogenergetisch trauma na) heeft de biologische groei en ontwikkleing van het individu "Holzers Neuroprotective mechanism" goed ten uitvoer kunnen brengen. De natuur hoort, eigenlijk ook bij de mens, in staat te zijn, de groei zo in te richten dat het hele CZS in de schedel, maar ook in het hele wervelkanaal vrij ligt en ook bij bewegen er nergens contact komt met het bot. De neurodynamica, het vrij en ruim kunnen bewegen van iedere zenuwvezel wordt dan geweld aangedaan en verstijving en verstrakking (doe de buktest en de SLR test) zorgen voor fysiek en dus hieruit volgend psychisch disfunctioneren. De samenhang depressie en rugklachten is al aardig "vastgelegd" in de litteratuur, maar niet het kip-ei verhaal. Op MRI"s zul je steevast meerder contactzone's, geregeld ArnoldChiari malformaties en degneratieve signalen in het merg vinden. Goed orthopedisch/neurologisch onderzoek (houding, positie hoofd, flexibiliteit, range of motion) en ook de MRI van ruggenmerg (en wervelkolom) kunnen m.i. veel leren over samenhang. Veel van vorenstaande volgt uit de door de Tsjechische neuroradioloog Prof Milan Roth( Brno, 1923-2003) opgebouwde kennis over de systematische groei van het CZS en het skelet: Osteoneural Growth Relations, waarin hij de etiologie van o.a scoliose en de kyfoseproblematiek (incl. hernia's) vanuit de biomechanica en neurodynamica goed kan uitleggen . Alleen kon hij in de jaren 60 nog niet bevroeden, dat de sedentaire leefstijl van het 'westerse" kind deze groeirelaties wel eens heel erg vaak discongruent konden gaan maken.De tsunami aan (gecombineerde) problemen is al onderweg. Preventiekennis ontbreekt. Terwijl juist het groeiende kind hier ernstig om verlegen is.  

Piet van Loon, orthopeed/houdingsdeskundige, Houding Netwerk Nederland