Algoritma Kecerdasan Buatan (AI) Mampu Prediksi Efikasi Sertralin pada Pasien dengan Depresi

Majalah Farmasetika – Sebuah alat kecerdasan buatan (AI) baru dapat memprediksi dalam waktu seminggu apakah seorang antidepresan akan efektif bagi pasien dengan gangguan depresi mayor (MDD), menurut penelitian baru yang diterbitkan dalam American Journal of Psychiatry. Para penulis studi mencatat bahwa dengan bantuan algoritma AI, mereka dapat menentukan apakah obat tersebut akan efektif hingga 8 minggu lebih cepat.

“Ini adalah berita penting bagi para pasien. Biasanya, dibutuhkan waktu 6 hingga 8 minggu sebelum diketahui apakah sebuah antidepresan akan efektif,” kata penulis studi Liesbeth Reneman, MD, PhD, profesor neuroradiologi di Amsterdam University Medical Center, dalam sebuah rilis pers.

Para peneliti menganalisis apakah efek salah satu antidepresan yang paling banyak diresepkan di Amerika Serikat dan Eropa, sertralin (Zoloft; Pfizer), dapat diprediksi oleh algoritma AI. Dalam uji coba acak, terkontrol plasebo, multisite, acak, total 296 pasien rawat jalan dewasa dengan MDD rekuren atau kronis yang belum diobati. Data neuroimaging resonansi magnetik (MR) dan data klinis dikumpulkan sebelum dan setelah 1 minggu memulai pengobatan. Setelah 8 minggu, kinerja dalam memprediksi respons dan remisi dikumpulkan dan diukur menggunakan akurasi seimbang (bAcc) dan skor area di bawah kurva karakteristik operasi penerima (AUROC).

Dari 296 pasien, 229 diikutsertakan dalam analisis, di antaranya sekitar 66% perempuan dan usia median 38 tahun. Hasilnya menunjukkan bahwa sekitar 33% akan merespons terhadap sertralin dan pasien lainnya tidak. Selain itu, kinerja validasi silang internal saat memprediksi respons terhadap sertralin (bAcc = 68% [SD = 10], AUROC = 0,73 [SD = 0,03]) jauh lebih kuat daripada kebetulan. Selanjutnya, validasi silang eksternal pada data dari mereka yang tidak merespons plasebo (bAcc = 62%, AUROC = 0,66) dan mereka yang tidak merespons plasebo yang beralih ke sertralin (bAcc = 65%, AUROC = 0,68) menunjukkan perbedaan yang menunjukkan spesifik untuk pengobatan sertralin dibandingkan dengan pengobatan plasebo.

“Dengan metode ini, kita sudah dapat mencegah [sekitar 67%] dari jumlah resep ‘salah’ sertralin dan dengan demikian menawarkan kualitas perawatan yang lebih baik bagi pasien. Karena obat ini juga memiliki efek samping,” kata Reneman dalam rilis pers.

Selain mengkonfirmasi bahwa respons awal terhadap sertralin dapat diprediksi, hasil studi juga menunjukkan bahwa model AI yang digunakan bersifat spesifik untuk sertralin dibandingkan dengan plasebo dan bahwa prediksi efikasi sertralin mendapatkan manfaat dari data MRI. Secara tradisional, pasien diberikan antidepresan dan setelah 6 hingga 8 minggu—atau kadang-kadang beberapa bulan—jika gejala pasien tidak mereda atau membaik, mereka diberikan antidepresan lain. Proses ini dapat memakan waktu dan berlanjut hingga pasien menemukan obat yang efektif. Menurut para peneliti, pada 1 dari 3 pasien dengan MDD, tidak ada perbaikan dalam gejala bahkan setelah beberapa langkah pengobatan, menekankan kebutuhan mendesak untuk solusi yang memungkinkan penentuan efikasi antidepresan yang lebih cepat.

Para penulis studi mencatat bahwa ke depannya, metode prediksi ini dapat membantu mempersonalisasi pengobatan sertralin untuk setiap pasien sambil menghemat waktu dan biaya mereka untuk obat-obatan. Namun, saat ini belum ada alat prediksi yang tepat. Para penulis studi juga menyatakan bahwa penelitian masa depan akan berusaha meningkatkan algoritma AI dengan memberikannya informasi tambahan.

“Algoritma menyarankan bahwa aliran darah di korteks singulat anterior, area otak yang terlibat dalam regulasi emosi, akan memprediksi efikasi obat. Dan pada pengukuran kedua, seminggu setelah dimulai, tingkat keparahan gejala mereka ternyata juga dapat memprediksi,” kata penulis studi Eric Ruhé, psikiater di Radboudumc, dalam rilis pers.

Referensi

1. Amsterdam University Medical Center. Artificial intelligence helps predict whether antidepressants will work in patients. News release. February 7, 2024. Accessed February 8, 2024. https://www.eurekalert.org/news-releases/1033410

2. Poirot, MG, Ruhé, HG, Mutsaerts, HMM, et al. Treatment Response Prediction in Major Depressive Disorder Using Multimodal MRI and Clinical Data: Secondary Analysis of a Randomized Clinical Trial. Am J Psychiatry. 2024:appi.ajp.20230206. doi:10.1176/appi.ajp.20230206