FOR 5187/1: Personalisierte Psychotherapie für Patient*innen mit fehlendem Be-handlungserfolg: Mechanismen, pr?diktive Marker und klinische Anwendung (TP 7)

Die personalisierte Psychiatrie und Psychotherapie verfolgt das Ziel, die Behandlung einer psychischen St?rung auf individuelle Patient:innencharakteristika abzustimmen. Dieser Ansatz erfordert leistungsf?hige Pr?diktoren zur Vorhersage des Erfolgs einer bestimmten Behandlungsmethode für eine spezifische Patient:in. Die bisherige Forschung zeigte, dass Emotionsregulation sowohl für die Psychopathologie als auch die kognitive Verhaltenstherapie (KVT) eine zentrale Rolle spielt, und dass der anteriore cingul?re Cortex (ACC) durch seine Integration in verschiedene Hirnnetzwerke ein entscheidender Knotenpunkt der Emotionsregulation ist. Wir schlagen
eine dezidiert systemische Perspektive vor, um Biomarker aus bildgebenden Daten zur Einzelfallvorhersage des Behandlungserfolgs bei einer KVT für internalisierende St?rungen zu entwickeln. Insbesondere wird unser Forschungsprojekt die ACC Vorhersagekraft durch drei leistungsf?hige methodische Ans?tze optimieren: i) die
Verwendung eines effizienten Gradienten der Konnektivit?t zwischen Hirnarealen, welcher Ver?nderungen in der neuralen Grundlage explizit-kontrollierter und implizit-automatischer Emotionsregulation kodiert, ii) eine graphentheoretische Charakterisierung der ACC Netzwerke und iii) ein Ansatz zur Bayesianischen hierarchischen
Modellierung von Hirnnetzwerken mit Fokus auf den ACC als zentralem Knotenpunkt. Wir werden unsere pr?diktiven Modelle auf drei retrospektiven Datens?tzen aus der Forschungsgruppe trainieren und feinabstimmen, und dann ihre Pr?diktionsgenauigkeiten sowohl in den retrospektiven Datens?tzen testen, als auch in dem prospektiven, unabh?ngigen Datensatz, der von SP1 erhoben wird. Zusammen erlauben uns diese Schritte die zentrale Hypothese zu prüfen, dass eine leistungsf?hige Strategie des Ensemble-Lernens verschiedener Ma?e der ACC Netzwerk-Integration hohe Genauigkeiten bei der Vorhersage von KVT-Behandlungserfolg erzielen wird. Zus?tzlich gehen die Ergebnisse dieses Projekts wieder in die Forschungsgruppe ein, indem eine optimale Charakterisierung der ACC-zentrierten funktionellen Systeme für SP2 bereitgestellt wird, indem die Vorhersagekraft unseres Modells mit anderen Pr?diktoren aus bildgebenden Daten aus SP8 und SP9 verglichen wird, und indem untersucht wird, ob unser pr?diktives Modell mit Strategien der Emotionsregulation aus SP5 beziehungsweise psychophysiologischen Markern der Emotionsregulation aus SP4 assoziiert ist. Insgesamt soll durch methodische Neuerungen sowie eine klare systemische Perspektive auf den ACC ein Pr?diktor für KVT-Behandlungserfolg konstruiert werden, der gleichzeitig gro?e Vorhersagekraft, hohe Reliabilit?t sowie eine gute Interpretierbarkeit aufweist.