Nyheter

Psykiatriska tillstånd kan vara svåra att diagnosticera då vi saknar diagnostiska test, som blodprov eller radiologiska undersökningar, för dessa. Datadrivna metoder som maskininlärning är potentiellt en ny approach för klassificering av psykiatriska tillstånd, till exempel premenstruellt dysforiskt syndrom (PMDS). Idag har vi ökande möjligheter att studera hjärnan med magnetkameraundersökning; med hjälp av olika tekniker kan denna metod ger oss insikt om hjärnans funktion och struktur.

PMDS drabbar många kvinnor och påverkar deras funktionsnivå i hög utsträckning. Kvinnor med PMDS har återkommande besvär med irritation och ilska, nedstämdhet, och ångest under menstruationscykelns senare del.

Erika Comasco och medarbetare har i detta projekt undersökt gråsubstansvolym hos kvinnor med PMDS. Gråsubstans består av nervcellskroppar och Comascos forskargrupp har för första gången funnit förändringar i hjärnans gråsubstansvolym som är associerade med emotionella och fysiska PMDS symtom. Svårighetsgraden i depressiv PMDS symtom var relaterade till gråsubstansvolym i amygdala, en viktig hubb för hjärnans förmåga att bearbeta känslor. Ju svårare symtom kvinnorna hade, desto mindre var deras amygdala. Hjärnbarken är också ett område där könshormoner kan påverka; där Erika Comasco kunde visa att hjärnbarkens tjocklek och veckning påverkar PMDS symtomen.

I samarbete med forskare från Umeå Universitet har forskargruppen undersökt om gråsubstans kan användas för att särskilja kvinnor med PMDS från friska kvinnor, dvs för att klassificera kvinnor med PMDS. ”Gråsubstansvolym var den starkaste faktorn för att klassificera om kvinnor har PMDS eller ej” säger docent Erika Comasco. Den här typen av data-drivna studier kommer att bidra till precisionsmedicin inom psykiatrin. I framtiden tänker sig forskarna att undersöka om metoden också kan användas för att förutsäga behandlingssvar och därmed hitta vägar för mer skräddarsydd behandling för PMDS.

Publikationer:

Differential grey matter structure in women with premenstrual dysphoric disorder: evidence from brain morphometry and data-driven classification . Dubol M, Stiernman L, Wikström J, Lanzenberger R, Neill Epperson C, Sundström-Poromaa I, Bixo M, Comasco E. Transl Psychiatry. 2022 Jun 15;12(1):250. doi: 10.1038/s41398-022-02017-6.

Grey matter correlates of affective and somatic symptoms of premenstrual dysphoric disorder. Dubol M, Wikström J, Lanzenberger R, Epperson CN, Sundström-Poromaa I, Comasco E.
Sci Rep. 2022 Apr 9;12(1):5996. doi: 10.1038/s41598-022-07109-3.

Läs även nyhet från SciLifeLab