一般来说目前临床上的一线治疗方案对重度抑郁症（MDD），尤其是焦虑性抑郁症的治疗效果欠佳，这加重了许多患者的慢性疾病负担。
因此Guilloux等研究人员进行了一项前瞻性研究，试图在治疗开始之前就检测出患者是否存在预示着以后治疗欠佳的生物学标志物。其研究结果在线发表于2014年10月份的《神经精神药理学》杂志上。
研究人员分别在基线和12周时收集了34名成人焦虑抑郁症患者和33名健康对照者的血液样本，其中抑郁症组接受了西酞普兰合并心理治疗。然后研究人员使用基因芯片对血液样本进行了处理，对比研究了两组间基因表达的组间差异。
研究分析表明，在治疗基线时，治疗效果欠佳的患者与对照组的基因功能存在差异，对转录因子进行分析表明，这可能与炎症和免疫活化状态的升高有关。
在研究的第二阶段，研究人员采用了一个无偏差的机器学习预测模型，并校正了模型的选择偏差。预测结果表明，包含了13种基因在内的该预测模型在治疗基线时对治疗无效的预测修正精度为79.4％。
研究人员使用了同一个基因模型在另一家机构对63名MDD患者进行了验证研究，对为期8周的西酞普兰治疗无效的预测修正精度为76%。
总之，这些研究结果表明在治疗基线时可以使用基于外周血基因表达的模型来预测西酞普兰的治疗是否可能会无效。
该研究结果不仅预示着其将来可以作为抑郁症治疗效果的预测工具，同时如果将其他预测变量（例如遗传学和临床量表）考虑进来的话，可能会进一步提高其预测精度。
丁香园精神频道已开通微信订阅号 关注即可获得 5 个丁当
