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

Schizofrenie is een complexe aandoening die invloed heeft op hoe een persoon denkt, voelt en de wereld waarneemt. Decennialang hebben artsen begrepen dat de chemie van de hersenen een centrale rol speelt, met name met betrekking tot dopamine, een chemische boodschapper die helpt bij het reguleren van stemming en aandacht. De volledige puzzel is echter veel ingewikkelder. Recent onderzoek suggereert dat het probleem ook kan liggen in de delicate balans tussen excitatie (prikkeling) en inhibitie (remming) binnen het uitgestrekte netwerk van verbindingen in de hersenen. Stel je de hersenen voor als een stad waar sommige signalen neuronen aansporen om te vuren en andere hen vertellen om te kalmeren; wanneer deze balans wordt verstoord, kan het verkeer in de stad chaotisch worden, wat leidt tot de verwarrende gedachten en percepties die kenmerkend zijn voor de ziekte. Hoewel standaardmedicatie vaak helpt om de meest voor de hand liggende symptomen te kalmeren, werkt het niet voor iedereen. Een aanzienlijk deel van de patiënten blijft ondanks behandeling worstelen, een toestand die bekend staat als therapieresistente schizofrenie. Begrijpen waarom sommige hersenen wel op medicatie reageren en andere niet, blijft een van de moeilijkste uitdagingen in de psychiatrie.

Om dit mysterie te ontrafelen, richtte een team van onderzoekers uit Italië en het Verenigd Koninkrijk zich op een krachtige nieuwe aanpak genaamd virtuele hersenmodellering. In plaats van naar hersenscans te kijken als statische plaatjes, gebruikten zij computersimulaties om te recreëren hoe de hersenen van patiënten daadwerkelijk functioneren. Ze verzamelden gedetailleerde magnetische resonantie-imagingdata van dertien mensen met schizofrenie en drieënvijftig gezonde vrijwilligers. Onder de patiënten maakten ze onderscheid tussen degenen die goed hadden gereageerd op standaardmedicatie en degenen die dat niet hadden gedaan, ondanks het proberen van meerdere behandelingen. Door deze echte wereldgegevens in een geavanceerd computermodel te voeden, konden de wetenschappers de stroom van elektrische activiteit door de gehele hersenen simuleren. Dit model stelde hen in staat om specifieke biologische eigenschappen te schatten die bijna onmogelijk direct te meten zijn bij een levend persoon, zoals hoe sterk verschillende hersengebieden met elkaar communiceren en hoe goed de interne "remmen" en "gaspedalen" van de hersenen functioneren.

De onderzoekers richtten zich op vier belangrijke instellingen in hun virtuele brein, die elk een ander aspect vertegenwoordigen van hoe neuronen met elkaar communiceren. Ze keken naar de sterkte van de verbindingen tussen verre hersengebieden, de lokale inhibitoire signalen die neuronen kalmeren, de excitatieve signalen die neuronen activeren, en de manier waarop deze signalen weer op zichzelf terugkoppelen. Wanneer zij de simulaties van de gezonde vrijwilligers vergeleken met die van de patiënten, kwamen er duidelijke verschillen naar voren. Het meest opvallend was dat de hersenen van patiënten die niet op behandeling reageerden, een duidelijk ander patroon vertoonden dan die van de patiënten die wel verbeterden. In de therapieresistente groep onthulden de simulaties een toename van excitatieve signalen binnen bepaalde visuele verwerkingsgebieden en een verzwakking van de verbindingen in de emotionele en geheugencentra. Omgekeerd vertoonden patiënten die wel op standaardmedicatie reageerden een ander profiel, met verminderde excitatieve activiteit in het dorsale aandacht netwerk, een regio die cruciaal is voor het focussen op de wereld om hen heen. Deze bevindingen suggereren dat therapieresistentie niet alleen een kwestie is van ernst, maar een fundamenteel andere biologische staat is met een eigen unieke signatuur in de manier waarop de hersennetwerken zijn afgesteld.

Buiten het simpelweg onderscheiden van patiëntengroepen, onderzocht de studie of deze virtuele instellingen konden voorspellen hoe ernstig de symptomen van een persoon waren. De computermodellen bleken opmerkelijk inzichtelijk. De simulaties toonden aan dat de sterkte van de inhibitoire signalen in het default mode netwerk, een systeem dat actief is tijdens dagdromen en zelfreflectie, gekoppeld was aan de ernst van negatieve symptomen zoals sociaal terugtrekgedrag en een gebrek aan motivatie. Wanneer deze inhibitoire signalen in de simulatie zwakker waren, rapporteerden de patiënten meer ernstige negatieve symptomen. Op dezelfde manier voorspelde het niveau van excitatieve activiteit in het limbische netwerk, dat emoties verwerkt, de totale last van de ziekte. Patiënten met een lagere excitatieve activiteit in dit emotionele centrum hadden de neiging hogere totale symptoomscores te hebben. Bovendien was de sterkte van de excitatieve signalen in het ventrale aandacht netwerk, dat helpt bij het detecteren van belangrijke gebeurtenissen, verbonden aan gedesorganiseerd denken. Hoe meer dit signaal in het model werd verminderd, hoe desorganiseerder de spraak en gedachten van de patiënt leken.

Deze resultaten bieden een nieuwe manier om naar de hersenen bij schizofrenie te kijken, waarbij men verder gaat dan eenvoudige beschrijvingen van welke gebieden actief of inactief zijn, naar het begrijpen van de onderliggende mechanische regels die deze activiteiten aansturen. De studie suggereert dat de balans tussen excitatie en inhibitie in de hersenen niet voor iedereen op dezelfde manier verstoord is; in plaats daarvan vertonen verschillende netwerken specifieke veranderingen afhankelijk van of een patiënt op behandeling reageert of niet. Voor degenen die niet reageren, lijken de hersenen een unieke configuratie van excitatieve en inhibitoire signalen te hebben die standaardmedicatie mogelijk niet kan corrigeren. Hoewel de onderzoekers benadrukken dat deze bevindingen uit computersimulaties komen en verdere validatie in grotere groepen vereisen, bieden ze een concrete hypothese voor de reden waarom sommige patiënten blijven worstelen. Door deze specifieke verschillen op netwerkniveau te identificeren, opent dit werk de deur naar het ontwikkelen van meer gerichte behandelingen die ooit kunnen worden afgestemd op het unieke biologische profiel van elk individu, wat potentieel hoop biedt aan hen die nog geen verlichting hebben gevonden.