Cognition and Electrophysiology Clustering in Clinical High Risk for Psychosis Delineates Distinct Dimensions of Heterogeneity: Implications for Multimodal Clustering

Hoewel een multimodale clustering van cognitieve en elektrofysiologische data bij personen met een klinisch hoog risico op psychose twee subgroepen identificeerde, suggereert deze studie dat dergelijke benaderingen zonder ontwikkelingsinformatie betekenisvolle subtypen kunnen verdoezelen.

De kern

De Kern van het Onderzoek: Een Zoektocht naar Groepen

Stel je voor dat je een enorme groep mensen hebt die allemaal een beetje onrustig zijn in hun hoofd. Ze horen stemmen die er misschien niet zijn, of ze voelen zich heel verdacht, maar ze hebben nog geen volledige psychose. In de psychiatrie noemen we hen "Klinisch Hoog Risico" (CHR).

De onderzoekers wilden weten: Zijn deze mensen allemaal hetzelfde, of zitten er verschillende soorten onder hen?

In het verleden dachten artsen vaak: "Als je dit symptoom hebt, dan ben je in groep A. Als je dat hebt, dan ben je in groep B." Maar de onderzoekers dachten: "Nee, het is waarschijnlijk ingewikkelder. Laten we kijken of we met een slimme computer (machine learning) natuurlijke groepen kunnen vinden."

Ze wilden twee dingen tegelijk meten om deze groepen te vinden:

1. Hoe goed hun hersenen werken (Cognitie): Denk aan geheugen, concentratie en snelheid van denken.
2. Hoe hun hersenen elektrisch reageren (Elektrofysiologie): Ze keken naar de elektrische signalen in de hersenen (EEG) als reactie op geluiden en beelden.

De Verwarring: De "Kookpot"-Methode

De onderzoekers dachten: "Als we kijken naar zowel het denken als de elektrische signalen, zullen we de beste groepen vinden." Dit is als het maken van een soep: als je alle ingrediënten (kool, aardappels, vlees) in één grote pot doet, krijg je een heerlijke, complete maaltijd.

Maar toen ze dit deden met de data van bijna 1.400 jongeren (uit twee grote studies, NAPLS-2 en NAPLS-3), gebeurde er iets verrassends.

De soep werd niet helder, maar troebel.

De computer kon geen scherpe lijnen trekken tussen twee duidelijke groepen. Het was alsof je probeerde twee soorten bloemen te scheiden in een bos waar ze allemaal door elkaar groeien. De groepen waren niet "zwart-wit", maar meer "grijs".

Wat Vonden Ze Toch? (De Twee Uitersten)

Omdat de groepen niet scherp waren, keken ze naar de kans dat iemand bij de ene of andere groep hoorde. Ze vonden twee uitersten:

1. Groep 1 (De "Zware" Groep):

   • Hersenen: Deze mensen hadden slechtere prestaties in hun geheugen en denken.
   • Leeftijd: Ze kregen hun symptomen op een jongere leeftijd.
   • Leven: Ze hadden meer moeite met sociale contacten en het dagelijks functioneren.
   • Het Verrassende: Hun elektrische hersensignalen waren juist sterker (grotere pieken) dan bij de andere groep.

2. Groep 2 (De "Mildere" Groep):

   • Hersenen: Betere cognitieve prestaties.
   • Leeftijd: Symptomen begonnen iets later.
   • Leven: Beter functioneren in het dagelijks leven.
   • Elektriciteit: Zwakkere elektrische signalen.

Waarom is dit Vreemd? (De "Versterker"-Analogie)

Normaal gesproken denken we: "Als je hersenen ziek zijn, werken ze minder goed, dus de elektrische signalen zijn zwakker." Dat is wat we zien bij mensen met een voltooide psychose.

Maar in deze "risico-groep" zagen ze het tegenovergestelde bij de slechtste groep: hun hersenen schreeuwden harder (sterkere signalen).

De Analogie:
Stel je voor dat je hersenen een radio zijn.

• Bij de "gezonde" mensen staat het volume op een normale stand.
• Bij de "slechte" groep in deze studie staat de versterker (gain) op 100%. De radio kraakt, piept en is te hard. Het is alsof de hersenen proberen alles heel hard te horen, maar daardoor kunnen ze zich niet goed concentreren op wat belangrijk is. Ze zijn overprikkeld. Dit leidt tot minder goede prestaties en meer stress.

De Grote Les: Niet Alles in Eén Pot

De belangrijkste conclusie van dit paper is een waarschuwing voor de toekomst.

De onderzoekers zeggen: "Het is gevaarlijk om alles door elkaar te mengen zonder te weten hoe de hersenen zich ontwikkelen."

• Cognitie (Denken) is als een oude boomstam: die verandert langzaam en is al vroeg in het leven zichtbaar als er een probleem is.
• Elektrofysiologie (Elektriciteit) is als de bloemen op de boom: die veranderen sneller en reageren op de huidige staat van de boom.

Als je deze twee op hetzelfde moment meet en probeert ze in één groep te stoppen, verwar je de "oude wortels" met de "nieuwe bloemen". Je krijgt dan groepen die statistisch bestaan, maar biologisch niet echt zinvol zijn.

Samenvatting in Eén Zin

De onderzoekers ontdekten dat jongeren met een risico op psychose niet in twee duidelijke hokjes passen als je hun denken en hun hersenstroom tegelijk meet; in plaats daarvan laten ze zien dat de ernstigste groep juist "overprikkelde" hersenen heeft, en dat we in de toekomst beter moeten kijken naar wanneer we meten, in plaats van alles door elkaar te gooien.

Kortom: Soms is "meer data" niet altijd "beter", tenzij je weet hoe je die data in de juiste tijdlijn plaatst.

Technische samenvatting

Probleemstelling

Individuen met een klinisch hoog risico op psychose (CHR) vormen een biologisch en cognitief zeer heterogene groep. Traditionele diagnostische categorieën in de psychiatrie maskeren vaak deze onderliggende heterogeniteit en de dynamische aard van de aandoening. Hoewel multimodale benaderingen (het combineren van verschillende datatypen) over het algemeen als superieur worden beschouwd ten opzichte van unimodale benaderingen voor het identificeren van subgroepen, ontbreekt het aan onderzoek dat cognitieve en elektrofysiologische maatstaven gezamenlijk toepast op de CHR-populatie. Bestaande studies bij gevestigde psychosestoornissen hebben succesvolle clustering met deze modaliteiten laten zien, maar het is onduidelijk of dit ook geldt voor de vroege, pre-psychotische fase. De auteurs onderzoeken of het combineren van cognitieve en elektrofysiologische data leidt tot goed gescheiden subgroepen binnen CHR, of dat dit de betekenisvolle subtypering juist kan vertroebelen.

Methodologie

De studie gebruikte data van twee grote, longitudinale consortia: NAPLS-2 (ontdekkingssteekproef, N=764 CHR-deelnemers) en NAPLS-3 (externe validatiesteekproef, N=628 CHR-deelnemers).

1. Dataverzameling:

   • Cognitie: Gemeten met de MATRICS Consensus Cognitive Battery (MCCB), waaronder tests voor werkgeheugen, aandacht, verwerkingssnelheid en geheugen.
   • Elektrofysiologie (EEG/ERP): Event-Related Potentials (ERP) zoals N100, Mismatch Negativity (MMN) en P300 (P3a en P3b) bij auditieve en visuele oddball-taken.
   • Klinische uitkomsten: Symptoomernst (SOPS), functioneren (GAF, GF: Social/Role) en conversie naar psychose.

2. Verwerking en Analyse:

   • Preprocessing: Ontbrekende data werd geïmputeerd, site-effecten gecorrigeerd, en de data gestandaardiseerd. Principal Component Analysis (PCA) werd toegepast om 80% van de variantie te behouden.
   • Clustering: Er werd gebruikgemaakt van onsupervised clustering. De DIANA (Divisive ANAlysis Clustering) algoritme werd gebruikt voor de initiële discrete clustering.
   • Probabilistische Aanpak: Omdat de "silhouette scores" (een maat voor clusterkwaliteit) slechts matig waren, werd overgeschakeld op een Gaussian Mixture Modeling (GMM) benadering. Dit leverde posterior probabilities op: de waarschijnlijkheid dat een individu tot Cluster 1 of Cluster 2 behoort, in plaats van een harde toewijzing.
   • Statistiek: Correlaties (Spearman) werden berekend tussen de cluster-waarschijnlijkheid en de uitkomstvariabelen, met correctie voor leeftijd en False Discovery Rate (FDR).

Belangrijkste Resultaten

1. Clusterkwaliteit:

   • De clustering leverde een twee-cluster oplossing op, maar met slechts matige scheidbaarheid (silhouette scores van 0,30 voor NAPLS-2 en 0,40 voor NAPLS-3). Dit suggereert dat de modaliteiten niet perfect overlappen in hun onderverdeling van de populatie.
   • De studie bevestigde dat een probabilistische benadering (waarschijnlijkheid van toewijzing) geschikter was dan een discrete categorisering.

2. Profiel van de Clusters (NAPLS-2 en NAPLS-3):

   • Cluster 1 (Hogere waarschijnlijkheid): Geassocieerd met:
     • Slechtere cognitieve prestaties over alle domeinen.
     • Slechtere sociale functionering.
     • Een jongere leeftijd van symptoomaanvang.
     • Grotere ERP-amplitudes: Verrassend genoeg toonde deze groep grotere (meer negatieve) N100 en MMN amplitudes en grotere (meer positieve) P300 amplitudes vergeleken met Cluster 2.
   • Cluster 2 (Hogere waarschijnlijkheid): Geassocieerd met:
     • Betere cognitieve prestaties.
     • Betere functionering.
     • Oudere leeftijd bij aanvang.
     • Kleinere ERP-amplitudes.

3. Validatie:

   • De bevindingen werden grotendeels gerepliceerd in de NAPLS-3 steekproef, hoewel de associaties met klinische uitkomsten (zoals conversie) in NAPLS-3 minder sterk waren dan in NAPLS-2.

4. Paradoxale ERP-bevindingen:

   • In tegenstelling tot de literatuur bij chronische schizofrenie (waar vaak verminderde ERP-amplitudes worden gezien bij ernstige ziekte), toonde de groep met de slechtste cognitie en functioneren in deze CHR-studie verhoogde amplitudes. De auteurs interpreteren dit als een teken van inefficiënte neurale regulatie of "over-excitatie" (verhoogde sensorische gain) die leidt tot cognitieve inefficiëntie, in plaats van een simpel verlies van neurale activiteit.

Kernbijdragen en Discussie

• Multimodale Complexiteit: Het combineren van cognitie en EEG resulteerde niet in scherp gescheiden "biotypen" zoals bij gevestigde psychose. De auteurs concluderen dat cognitie en elektrofysiologie mogelijk verschillende ontwikkelingslijnen volgen binnen de CHR-fase. Cognitie is een stabiel, vroeg risicomarker (trait), terwijl EEG-measurements meer gevoelig zijn voor ziekteprogressie en circuit-afwijkingen die later ontstaan (state).
• Methodologische Waarschuwing: Het artikel waarschuwt voor de "kitchen sink"-benadering (het willekeurig combineren van modaliteiten zonder theoretisch kader). Zonder rekening te houden met de ontwikkelings timing van de modaliteiten, kan multimodale clustering betekenisvolle subtypering verdoezelen in plaats van verhelderen.
• Interpretatie van ERP: De bevinding dat slechtere cognitie gepaard gaat met grotere ERP-amplitudes, wordt geïnterpreteerd als een compensatiemechanisme of een teken van slechte sensorische filtering (predictive coding), waarbij het brein te veel energie investeert in het verwerken van prikkels, wat ten koste gaat van hogere cognitieve functies.

Significantie

De studie is significant omdat het de eerste is die systematisch cognitie en EEG combineert om CHR-subgroepen te definiëren. De belangrijkste conclusie is dat multimodale clustering alleen zinvol is als deze ontwikkelingsgericht is.

• Voor de klinische praktijk betekent dit dat cognitie een betere marker is voor vroege risicofactoren en functioneel prognose, terwijl EEG mogelijk beter geschikt is om de progressie van de ziekte en de overgang naar psychose te volgen.
• Het onderzoek benadrukt dat statistisch identificeerbare clusters niet per se biologisch betekenisvol zijn als ze de onderliggende heterogeniteit van de ziektefasen negeren. Toekomstig onderzoek moet longitudinaal en modality-specifiek zijn om de dynamiek van psychose-risico beter te begrijpen.