Herzlich Willkommen bei der Forschungsgruppe 5187:

"Personalisierte Psychotherapie für Patient:innen mit fehlendem Behandlungserfolg: Mechanismen, prädiktive Marker und klinische Anwendung"

Auch wenn die kognitive Verhaltenstherapie (KVT) ein wirksames Verfahren zur Behandlung von psychischen Störungen des internalisierenden Spektrums ist, sprechen nicht alle Patient:innen gleich gut darauf an – mit gravierenden Folgen für Betroffene und Gesundheitssysteme. Im Zentrum einer personalisierten Therapie steht die frühzeitige Identifikation von Patient:innen mit einer schlechten Prognose, um eine optimierte Behandlung zu ermöglichen. Da die Evidenzlage zu Prädiktoren, die eine Einzelfallvorhersage ermöglichen, sehr begrenzt und hinsichtlich verschiedener Datenebenen fragmentiert ist, zielt die Forschungsgruppe (FOR) darauf ab, 

1) klinische und bio-behaviorale Signaturen zu kartieren, um das Phänomen der „Non-Response“ besser zu verstehen

2) mithilfe des maschinellen Lernens eine Vorhersage für einzelne Patient:innen zu ermöglichen, und 

3) dies in einem ökologisch validen Setting als zentrale Voraussetzung für personalisierte Therapien in der klinischen Anwendung zu testen. 

Dazu implementieren wir eine prospektiv-longitudinale Beobachtungsstudie mit 500 Patient:innen des internalisierenden Spektrums (Panikstörung, Agoraphobie, Soziale Phobie, Spezifische Phobie, Generalisierte Angststörung, Zwangsstörung, Posttraumatische Belastungsstörung, unipolare depressive Störungen) an vier universitären Institutsambulanzen. Patient:innen werden vor Therapiebeginn umfassend mithilfe einer multimodalen Assessmentbatterie phänotypisiert (klinische Merkmale, digitale E-Health Marker, Psychophysiologie, Hirnmorphometrie und -funktion) und mittels KVT behandelt. 

Diagnostische Prozesse, Qualitätsstandards und Behandlungsdokumentationen werden über alle Zentren hinweg harmonisiert. Wir wenden Algorithmen im Bereich neuronaler Netzwerke, multiplen Kernel- und Transferlernens an, die mit einer infrastrukturellen Ausstattung (Hard- und Software, High Performance Computing, Datenmanagement) gebündelt werden. Der Mehrwert der FOR liegt in ihrem multimodalen Ansatz, um durch den Vergleich von Datenebenen die besten Prädiktoren und kosteneffiziente Proxymaße zu identifizieren, ihrem Fokus auf Emotionsregulation als einem übergreifenden Veränderungsmechanismus der KVT, ihrer transdiagnostischen Perspektive, sowie der hohen externalen Validität, um die Translation in die klinische Praxis zu fördern.

Diese Ziele können nur in Zusammenarbeit von Expert:innen mit Schwerpunkten in den Bereichen Klinische Psychologie, Psychotherapie, Digital Mental Health, Psychophysiologie, Neurowissenschaften und Neuroinformatik erreicht werden. Wir maximieren Synergien zu externen Konsortien (z.B. UK Biobank, ENIGMA, SFB TRR 58, BMBF Forschungsnetz psychische Erkrankungen, PING, KODAP). Die FOR wird einen substanziellen Beitrag zum besseren Verständnis des Phänomens der „Non-Response“ leisten und helfen, diese kostenintensive Gruppe von Patient:innen frühzeitig zu identifizieren und besser zu behandeln.