Virtual Brain Modelling Reveals Altered Network Dynamics and Predicts Symptom Severity in Schizophrenia: Relevance to Antipsychotic Treatment Response and Resistance.

Schizophrenie ist eine komplexe Erkrankung, die die Art und Weise beeinflusst, wie ein Mensch denkt, fühlt und die Welt wahrnimmt. Seit Jahrzehnten verstehen Ärzte, dass die Chemie des Gehirns eine zentrale Rolle spielt, insbesondere unter Beteiligung von Dopamin, einem chemischen Botenstoff, der hilft, Stimmung und Aufmerksamkeit zu regulieren. Das vollständige Bild ist jedoch weitaus komplexer. Jüngste Forschungen legen nahe, dass das Problem auch in dem empfindlichen Gleichgewicht zwischen Erregung und Hemmung innerhalb des riesigen Netzwerks der Gehirnverbindungen liegen könnte. Stellen Sie sich das Gehirn als eine Stadt vor, in der einige Signale die Neuronen dazu drängen, zu feuern, während andere ihnen sagen sollen, sich zu beruhigen; wenn dieses Gleichgewicht gestört ist, kann der Verkehr in dieser Stadt chaotisch werden, was zu den verwirrenden Gedanken und Wahrnehmungen führt, die charakteristisch für die Krankheit sind. Während Standardmedikamente oft helfen, die offensichtlichsten Symptome zu lindern, wirken sie nicht bei jedem. Ein erheblicher Teil der Patienten kämpft trotz Behandlung weiter, ein Zustand, der als therapieresistente Schizophrenie bekannt ist. Zu verstehen, warum manche Gehirne auf Medikamente reagieren und andere nicht, bleibt eine der schwierigsten Herausforderungen in der Psychiatrie.

Um dieses Rätsel zu lösen, wandte sich ein Team von Forschern aus Italien und dem Vereinigten Königreich einem leistungsstarken neuen Ansatz zu, dem sogenannten virtuellen Gehirnmodellierung. Anstatt Gehirnscans lediglich als statische Bilder zu betrachten, nutzten sie Computersimulationen, um zu rekonstruieren, wie die Gehirne von Patienten tatsächlich arbeiten. Sie sammelten detaillierte magnetresonanztomographische Daten von dreiunddreißig Menschen mit Schizophrenie und dreiundvierzig gesunden Freiwilligen. Unter den Patienten unterschieden sie zwischen jenen, die gut auf die Standardmedikation angesprochen hatten, und jenen, die es trotz mehrerer Behandlungen nicht hatten. Indem sie diese realen Daten in ein hochentwickeltes Computermodell einspeisten, konnten die Wissenschaftler den Fluss der elektrischen Aktivität über das gesamte Gehirn hinweg simulieren. Dieses Modell ermöglichte es ihnen, spezifische biologische Eigenschaften abzuschätzen, die in einem lebenden Menschen fast unmöglich direkt zu messen sind, wie etwa, wie stark verschiedene Hirnregionen miteinander kommunizieren und wie gut die internen „Bremsen“ und „Gaspedale“ des Gehirns funktionieren.

Die Forscher konzentrierten sich auf vier Schlüsseleinstellungen in ihrem virtuellen Gehirn, die jeweils einen anderen Aspekt der Kommunikation der Neuronen repräsentieren. Sie untersuchten die Stärke der Verbindungen zwischen fernen Hirnarealen, die lokalen inhibitorischen (hemmenden) Signale, die die Neuronen beruhigen, die exzitatorischen (erregenden) Signale, die sie wachrütteln, und die Art und Weise, wie diese Signale auf sich selbst zurückkoppeln. Als sie die Simulationen der gesunden Freiwilligen mit denen der Patienten verglichen, traten deutliche Unterschiede zutage. Vor allem zeigten die Gehirne der Patienten, die nicht auf eine Behandlung ansprachen, ein distinktes Muster im Vergleich zu denen, die sich gebessert hatten. In der Gruppe der therapieresistenten Patienten offenbarten die Simulationen einen Anstieg der exzitatorischen Signale in bestimmten visuellen Verarbeitungsbereichen sowie eine Abschwächung der Verbindungen in den emotionalen und gedächtnisbezogenen Zentren. Im Gegensatz dazu zeigten Patienten, die auf die Standardmedikation ansprachen, ein anderes Profil, mit einer reduzierten exzitatorischen Aktivität im dorsalen Aufmerksamkeitsnetzwerk, einer Region, die entscheidend dafür ist, sich auf die Welt zu konzentrieren. Diese Ergebnisse legen nahe, dass Therapieresistenz nicht nur eine Frage der Schwere ist, sondern ein grundlegend anderer biologischer Zustand mit einer eigenen, einzigartigen Signatur in der Art und Weise, wie die Netzwerke des Gehirns abgestimmt sind.

Über die bloße Unterscheidung zwischen Patientengruppen hinaus untersuchten die Forscher, ob diese virtuellen Einstellungen vorhersagen konnten, wie schwerwiegend die Symptome einer Person waren. Die Computermodelle erwiesen sich als bemerkenswert aufschlussreich. Die Simulationen zeigten, dass die Stärke der inhibitorischen Signale im Default Mode Network, einem System, das während des Tagträumens und der Selbstreflexion aktiv ist, mit der Schwere der Negativsymptomatik wie sozialem Rückzug und Motivationslosigkeit verknüpft war. Wenn diese inhibitorischen Signale in der Simulation schwächer waren, berichteten die Patienten über schwerere Negativsymptome. Ähnlich verhielt es sich mit dem Niveau der exzitatorischen Aktivität im limbischen Netzwerk, welches Emotionen verarbeitet, welches die Gesamtbelastung der Erkrankung vorhersagte. Patienten mit geringerer exzitatorischer Aktivität in diesem emotionalen Zentrum neigten zu höheren Gesamtsymptomwerten. Darüber hinaus war die Stärke der exzitatorischen Signale im ventralen Aufmerksamkeitsnetzwerk, das hilft, wichtige Ereignisse zu erkennen, mit desorganisiertem Denken verbunden. Je stärker dieses Signal im Modell reduziert war, desto desorganisierter erschienen die Sprache und die Gedanken des Patienten.

Diese Ergebnisse bieten eine neue Sichtweise auf das Gehirn bei Schizophrenie, die über die einfache Beschreibung dessen hinausgeht, welche Bereiche aktiv oder inaktiv sind, hin zum Verständnis der zugrunde liegenden mechanischen Regeln, die diese Aktivitäten antreiben. Die Studie legt nahe, dass das Gleichgewicht zwischen Erregung und Hemmung im Gehirn nicht für jeden auf die gleiche Weise gestört ist; stattdessen zeigen verschiedene Netzwerke spezifische Veränderungen, je nachdem, ob ein Patient auf eine Behandlung anspricht. Für diejenigen, die nicht ansprechen, scheint das Gehirn eine einzigartige Konfiguration von exzitatorischen und inhibitorischen Signalen aufzuweisen, die durch Standardmedikamente möglicherweise nicht korrigiert werden kann. Während die Forscher betonen, dass diese Ergebnisse aus Computersimulationen stammen und in größeren Gruppen weiter validiert werden müssen, liefern sie eine konkrete Hypothese dafür, warum manche Patienten kämpfen. Durch die Identifizierung dieser spezifischen netzwerkbezogenen Unterschiede eröffnet die Arbeit die Tür zu gezielteren Behandlungen, die eines Tages auf das einzigartige biologische Profil jedes Einzelnen zugeschnitten sein könnten, was potenziell Hoffnung für diejenigen bietet, die noch keine Linderung gefunden haben.