急増しているうつ病は休職や自殺などの要因であり、その社会的損失は甚大でその適切な診断と治療が喫緊の課題となっています。うつ病は脳の機能不全や身体的・心理的ストレスなど多様な原因で生じ、様々な症状を呈するヘテロな病気ですが、現在のうつ病診断はアメリカ精神医学会によるDSM診断で行われ、抑うつ気分、意欲低下などの臨床症状を担当医が主観的に判断することで行われていますが、客観的な診断法は未だ確立されていません。また、抗うつ薬治療も試行錯誤で行われており、治療に反応しない患者も3割程度存在することから、適切な治療選択および不要な薬物投与を防ぐためにも、脳科学データに基づく客観的診断法および抗うつ薬治療反応性予測法の開発が求められています。

　本研究では、広島大学精神科で収集された、うつ病患者および健常者計１３４名のMRIを用いた脳機能画像解析データや脳由来神経栄養因子（BDNF）などの血中バイオマーカー候補物質と心理検査や問診結果に基づく臨床評価指標を統合解析することにより、人工知能の一つである機械学習を用いたデータ駆動的な解析により、うつ病のサブタイプを同定しました。

　本研究では、筆者らがこれまでに開発した機械学習のベイズ多重共クラスタリング手法を用いてうつ病患者の多次元データをパターン解析したところ、右角回を中心とした脳のデフォルトモードネットワーク^※3の安静時脳活動および幼児期のトラウマ経験により、うつ病患者を３つのグループ（サブタイプ）に分けることに成功しました。

　さらに、このうちの１つのグループが、抗うつ薬であるSSRIに対する治療効果が低いことを明らかにしました。

　この結果は、患者のMRI脳機能画像データ及び幼児期のトラウマ経験を初診時に評価することで、抗うつ薬の投与前にSSRIの治療効果を予測できる可能性を示唆することなり、脳科学データに基づく新しいうつ病の客観的診断・治療法開発への多大な貢献が期待されます。

• 詳しくはこちら（プレスリリース）