Skip to main content
SpringerLink
Log in

Neuronale Effekte und Biomarker antidepressiver Therapieverfahren

Aktueller Überblick aus der Perspektive der neuronalen Bildgebung

Neuronal effects and biomarkers of antidepressant treatments

Current review from the perspective of neuroimaging

  • CME
  • Published:
Der Nervenarzt Aims and scope Submit manuscript

Zusammenfassung

Die Depression zählt zu den häufigsten psychischen Erkrankungen weltweit und geht mit starken Beeinträchtigungen in der Lebensqualität einher. Bildgebungsstudien zeigen, dass sich depressive Patienten und gesunde Vergleichsprobanden in der Hirnfunktion und im Volumen grauer und weißer Hirnsubstanz unterscheiden. Im Rahmen von Pharmakotherapie und Elektrokonvulsionstherapie kommt es insbesondere zu einer Volumenzunahme im Hippokampus. Dahingegen zeigt sich infolge von Psychotherapie vor allem eine Veränderung der Aktivität im anterioren cingulären Kortex (ACC). Bei der Identifikation neuroanatomischer Marker, welche allgemein mit Therapieerfolg assoziiert sind, hat sich unter anderem ein größeres Volumen des ACC herausgestellt. Biomarker in Kombination mit Mustererkennungsverfahren beinhalten ein hohes Potenzial zur Vorhersage der individuellen Erfolgswahrscheinlichkeit von Therapieverfahren.

Abstract

Depression is one of the most frequent and disabling mental disorders worldwide and is accompanied by a severe impairment in the quality of life. There are numerous imaging studies showing differences in the volume of gray and white brain matter and function between patients suffering from depression and healthy controls. Neuroimaging studies show that pharmacotherapy and electroconvulsive therapy are accompanied by an increase of hippocampal gray matter volume while as a result of psychotherapy activity changes in the anterior cingulate cortex (ACC) have repeatedly been reported. By the identification of neuroanatomical markers, baseline volumes of the ACC have also been shown to be associated with therapy response to all treatments. The identification of such neuronal biomarkers in combination with machine learning techniques provide a promising step towards a neurobiologically based application for the prediction of treatment response.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1

Literatur

  1. Murray CJL, Vos T, Lozano R et al (2012) Disability-adjusted life years (DALYs) for 291 diseases and injuries in 21 regions, 1990–2010: a systematic analysis for the global burden of disease study 2010. Lancet 380:2197–2223. https://doi.org/10.1016/S0140-6736(12)61689-4

    Article  PubMed  Google Scholar 

  2. Arnone D, McIntosh M, Ebmeier KP et al (2012) Magnetic resonance imaging studies in unipolar depression: Systematic review and meta-regression analyses. Eur Neuropsychopharmacol 22:1–16. https://doi.org/10.1016/j.euroneuro.2011.05.003

    Article  CAS  PubMed  Google Scholar 

  3. Zaremba D, Enneking V, Meinert S et al (2018) Effects of cumulative illness severity on hippocampal gray matter volume in major depression: a voxel-based morphometry study. Psychol Med i:1–8. https://doi.org/10.1017/S0033291718000016

    Article  Google Scholar 

  4. Zaremba D, Dohm K, Redlich R et al (2018) Association of brain cortical changes with relapse in patients with major depressive disorder. JAMA Psychiatry 75:484–492. https://doi.org/10.1001/jamapsychiatry.2018.0123

    Article  PubMed  Google Scholar 

  5. Stuhrmann A, Suslow T, Dannlowski U (2011) Facial emotion processing in major depression: a systematic review of neuroimaging findings. Biol Mood Anxiety Disord 1:1–17. https://doi.org/10.1186/2045-5380-1-10

    Article  Google Scholar 

  6. Redlich R, Opel N, Bürger C et al (2018) The limbic system in youth depression: brain structural and functional alterations in adolescent in-patients with severe depression. Neuropsychopharmacology 43:546–554. https://doi.org/10.1038/npp.2017.246

    Article  PubMed  Google Scholar 

  7. Sheline YI, Barch DM, Price JL et al (2009) The default mode network and self-referential processes in depression. Proc Natl Acad Sci USA 106:1942–1947. https://doi.org/10.1073/pnas.0812686106

    Article  PubMed  Google Scholar 

  8. DGPPN, BÄK, KBV, AWMF (Hrsg) (2015) S3-Leitlinie/Nationale VersorgungsLeitlinie Unipolare Depression – Langfassung, 2. Aufl. Bd. 5

    Google Scholar 

  9. Haq AU, Sitzmann AF, Goldman ML et al (2015) Response of depression to electroconvulsive therapy: a meta-analysis of clinical predictors. J Clin Psychiatry 76:1374–1384. https://doi.org/10.4088/JCP.14r09528

    Article  PubMed  Google Scholar 

  10. Willner P, Scheel-Krüger J, Belzung C (2013) The neurobiology of depression and antidepressant action. Neurosci Biobehav Rev 37:2331–2371. https://doi.org/10.1016/j.neubiorev.2012.12.007

    Article  CAS  PubMed  Google Scholar 

  11. Schermuly I, Wolf D, Lieb K et al (2011) State dependent posterior hippocampal volume increases in patients with major depressive disorder. J Affect Disord 135:405–409. https://doi.org/10.1016/j.jad.2011.07.017

    Article  PubMed  Google Scholar 

  12. Mayberg HS, Brannan SK, Tekell JL et al (2000) Regional metabolic effects of fluoxetine in major depression: serial changes and relationship to clinical response. Biol Psychiatry 48:830–843. https://doi.org/10.1016/S0006-3223(00)01036-2

    Article  CAS  PubMed  Google Scholar 

  13. Sheline YI, Barch DM, Donnelly JM et al (2001) Increased amygdala response to masked emotional faces in depressed subjects resolves with antidepressant treatment: an fMRI study. Biol Psychiatry 50:651–658

    Article  CAS  Google Scholar 

  14. DeRubeis RJ, Siegle GJ, Hollon SD (2008) Cognitive therapy versus medication for depression: treatment outcomes and neural mechanisms. Nat Rev Neurosci 9:788–796. https://doi.org/10.1038/nrn2345

    Article  CAS  PubMed  PubMed Central  Google Scholar 

  15. Roiser JP, Elliott R, Sahakian BJ (2012) Cognitive mechanisms of treatment in depression. Neuropsychopharmacology 37:117–136. https://doi.org/10.1038/npp.2011.183

    Article  CAS  PubMed  Google Scholar 

  16. Beck AT, Rush AJ, Shaw BF, Emery G (1979) Cognitive therapy of depression. Guilford, New York

    Google Scholar 

  17. Du X, Mao Y, Zhang Q et al (2016) Short-term group cognitive behavior therapy contributes to recovery from mild depression: evidence from functional and structural MRI. Psychiatry Res Neuroimag 251:53–59. https://doi.org/10.1016/j.pscychresns.2016.04.010

    Article  Google Scholar 

  18. Sankar A, Scott J, Paszkiewicz A et al (2015) Neural effects of cognitive–behavioural therapy on dysfunctional attitudes in depression. Psychol Med 45:1425–1433. https://doi.org/10.1017/S0033291714002529

    Article  CAS  PubMed  Google Scholar 

  19. Buchheim A, Viviani R, Kessler H et al (2012) Changes in prefrontal-limbic function in major depression after 15 months of long-term psychotherapy. PLoS ONE 7. https://doi.org/10.1371/journal.pone.0033745

    Article  PubMed  PubMed Central  Google Scholar 

  20. Wiswede D, Taubner S, Buchheim A et al (2014) Tracking functional brain changes in patients with depression under psychodynamic psychotherapy using individualized stimuli. PLoS ONE 9:1–8. https://doi.org/10.1371/journal.pone.0109037

    Article  CAS  Google Scholar 

  21. Klein JP, Becker B, Hurlemann R et al (2014) Effect of specific psychotherapy for chronic depression on neural responses to emotional faces. J Affect Disord 166:93–97. https://doi.org/10.1016/j.jad.2014.04.055

    Article  PubMed  Google Scholar 

  22. Wilkinson ST, Sanacora G, Bloch MH (2017) Hippocampal volume changes following Electroconvulsive therapy: a systematic review and meta-analysis. Biol Psychiatry Cogn Neurosci Neuroimaging 2:327–335. https://doi.org/10.1016/j.bpsc.2017.01.011

    Article  PubMed  PubMed Central  Google Scholar 

  23. Dukart J, Regen F, Kherif F et al (2014) Electroconvulsive therapy-induced brain plasticity determines therapeutic outcome in mood disorders. Proc Natl Acad Sci U S A 111:1156–1161. https://doi.org/10.1073/pnas.1321399111

    Article  CAS  PubMed  Google Scholar 

  24. Berlim MT, McGirr A, Van den Eynde F et al (2014) Effectiveness and acceptability of deep brain stimulation (DBS) of the subgenual cingulate cortex for treatment-resistant depression: a systematic review and exploratory meta-analysis. J Affect Disord 159:31–38. https://doi.org/10.1016/j.jad.2014.02.016

    Article  PubMed  Google Scholar 

  25. Beall EB, Malone DA, Dale RM et al (2012) Effects of electroconvulsive therapy on brain functional activation and connectivity in depression. J Ect 28:234–241. https://doi.org/10.1097/YCT.0b013e31825ebcc7

    Article  PubMed  Google Scholar 

  26. Redlich R, Bürger C, Dohm K et al (2017) Effects of electroconvulsive therapy on amygdala function in major depression—a longitudinal functional magnetic resonance imaging study. Psychol Med 47:2166–2176. https://doi.org/10.1017/S0033291717000605

    Article  CAS  PubMed  Google Scholar 

  27. Teneback CC, Speer AM, Stallings LE et al (1999) Changes in Prefrontal cortex weeks of daily left prefrontal, S 426–435

    Google Scholar 

  28. Furtado CP, Hoy KE, Maller JJ et al (2013) An investigation of medial temporal lobe changes and cognition following antidepressant response: a prospective rTMS study. Brain Stimul 6:346–354. https://doi.org/10.1016/j.brs.2012.06.006

    Article  PubMed  Google Scholar 

  29. Chen CH, Ridler K, Suckling J et al (2007) Brain imaging correlates of depressive symptom severity and predictors of symptom improvement after antidepressant treatment. Biol Psychiatry 62:407–414. https://doi.org/10.1016/j.biopsych.2006.09.018

    Article  CAS  PubMed  Google Scholar 

  30. Costafreda SG, Chu C, Ashburner J, Fu CHY (2009) Prognostic and diagnostic potential of the structural neuroanatomy of depression. PLoS ONE 4:1–5. https://doi.org/10.1371/journal.pone.0006353

    Article  CAS  Google Scholar 

  31. Redlich R, Opel N, Grotegerd D et al (2016) Prediction of individual response to electroconvulsive therapy via machine learning on structural magnetic resonance imaging data. JAMA Psychiatry 73:557–564. https://doi.org/10.1001/jamapsychiatry.2016.0316

    Article  PubMed  Google Scholar 

  32. Sambataro F, Doerig N, Hänggi J et al (2018) Anterior cingulate volume predicts response to psychotherapy and functional connectivity with the inferior parietal cortex in major depressive disorder. Eur Neuropsychopharmacol 28:138–148. https://doi.org/10.1016/j.euroneuro.2017.11.008

    Article  CAS  PubMed  Google Scholar 

  33. Fu CHY, Steiner H, Costafreda SG (2013) Predictive neural biomarkers of clinical response in depression: a meta-analysis of functional and structural neuroimaging studies of pharmacological and psychological therapies. Neurobiol Dis 52:75–83. https://doi.org/10.1016/j.nbd.2012.05.008

    Article  CAS  PubMed  Google Scholar 

  34. Joshi SH, Espinoza RT, Pirnia T et al (2016) Structural plasticity of the hippocampus and amygdala induced by electroconvulsive therapy in major depression. Biol Psychiatry 79:282–292. https://doi.org/10.1016/j.biopsych.2015.02.029

    Article  PubMed  Google Scholar 

  35. Dannlowski U, Stuhrmann A, Beutelmann V et al (2012) Limbic scars: Long-term consequences of childhood maltreatment revealed by functional and structural magnetic resonance imaging. Biol Psychiatry 71:286–293. https://doi.org/10.1016/j.biopsych.2011.10.021

    Article  PubMed  Google Scholar 

  36. Wade BS, Joshi SH, Njau S et al (2016) Effect of electroconvulsive therapy on striatal morphometry in major depressive disorder. Neuropsychopharmacology 5:1–30. https://doi.org/10.1038/npp.2016.48

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Klinik für Psychiatrie und Psychotherapie, Universitätsklinikum Münster, Universität Münster, Albert-Schweitzer-Campus 1, Geb. A9, 48149, Münster, Deutschland

    Verena Enneking M. Sc., Fanni Dzvonyar M. Sc.,  Udo Dannlowski &  Ronny Redlich

Authors
  1. Verena Enneking M. Sc.
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Fanni Dzvonyar M. Sc.
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Udo Dannlowski
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Ronny Redlich
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Ronny Redlich.

Ethics declarations

Interessenkonflikt

V. Enneking, F. Dzvonyar, U. Dannlowski und R. Redlich geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

CME-Fragebogen

CME-Fragebogen

Wie können Sie den bei Depressionen vorhandenen negativen Bias (z. B. nach Beck) neurobiologisch am plausibelsten darstellen?

Eine stärkere Reaktivität des Emotionssystems, insbesondere der Amygdala, bei positiven Reizen

Eine schwächere Reaktivität des Emotionssystems, insbesondere der Amygdala, bei negativen Reizen

Eine stärkere Reaktivität des Emotionssystems, insbesondere der Amygdala, bei negativen Reizen

Eine global schwächere Reaktivität des Gehirns bei negativen Reizen

Eine global stärkere Reaktivität des Gehirns bei positiven Reizen

Wie würden Sie Beeinträchtigungen in der emotionalen „Top-down-Kontrolle“ im depressiven Zustand am ehesten erklären?

Schwierigkeiten bei der Orientierung von oben nach unten

Schwierigkeiten beim Denken

Schwierigkeiten in der Regulation emotionaler Zustände

Schwierigkeiten beim Steuern von Maschinen

Schwierigkeiten in sozialen Fertigkeiten

Welche neurobiologischen Veränderungen werden im Gehirn depressiver Patienten infolge einer Behandlung mittels eines antidepressiven Psychopharmakons häufig beobachtet?

Reduktion der präfrontalen Hyperaktivität bei der Emotionsverarbeitung

Steigerung der limbischen Hypoaktivität bei der Emotionsverarbeitung

Reduktion des Volumens in limbischen Arealen

Reduktion der limbischen Hyperaktivität bei der Emotionsverarbeitung

Reduktion des Volumens im Belohnungssystem

Wie lässt sich die durch kognitive Verhaltenstherapie (KVT) gesteigerte Top-down-Kontrolle am ehesten im Gehirn beschreiben?

Steigerung der Aktivität im anterioren cingulären Kortex (ACC) bei Emotionsverarbeitung

Reduktion der Aktivität im Belohnungssystem

Reduktion des Volumens im Hippokampus

Reduktion des Volumens in allen Hirnarealen

Steigerung der Aktivität im limbischen System

Welche neurobiologischen Veränderungen kann man infolge einer Elektrokonvulsionstherapie (EKT) insbesondere beobachten?

Volumenabnahme im Hippokampus

Volumenzunahme in dorsalen präfrontalen Arealen

Steigerung der Aktivität im Cerebellum

Steigerung der Aktivität in parietalen Arealen

Volumenzunahme im Hippokampus

Warum ist eine geringere Aktivität im anterioren cingulären Kortex (ACC) bei der Emotionsverarbeitung wahrscheinlich ein Prädiktor für eine bessere Response auf kognitive Verhaltenstherapie (KVT)?

Weil die Top-down-Kontrolle von KVT nicht beeinflusst wird, sondern nur die Bottom-up-Mechanismen relevant sind.

Weil KVT ein nicht wirksames Verfahren zu Behandlung von Depressionen ist.

Weil KVT wahrscheinlich zu einer Steigerung der Top-down-Kontrolle führt und somit mehr Potenzial für Wirkung besteht.

Weil eine geringere Aktivität im ACC generell ein besserer Prädiktor für Therapieerfolg ist.

Weil Probanden mit einer geringeren Aktivität im ACC bei der Emotionsverarbeitung bereits über mehr Top-down-Kontrolle verfügen.

Welche Rolle spielt der Hippokampus bei der Vorhersage von Therapieresponse?

Ein größeres Hippokampusvolumen sagt generell ein schlechteres Therapieansprechen vorher.

Ein geringeres Hippokampusvolumen sagt generell ein besseres Therapieansprechen vorher.

Ein größeres Hippokampusvolumen sagt ein Therapieansprechen insbesondere auf Pharmakotherapie vorher.

Das Hippokampusvolumen ist für die Prädiktion von Therapieerfolg nicht relevant.

Ein größeres Hippokampusvolumen sagt nur ein Therapieansprechen auf EKT vorher.

Ein 32-jähriger Patient leidet zum ersten Mal in seinem Leben unter einer depressiven Episode. Wie äußert sich der depressive Zustand auf neurobiologischer Ebene am ehesten?

Stärkere Aktivität präfrontaler Areale in Reaktion auf negative Reize

Verbesserte Konnektivität zwischen limbischen und frontalen Arealen

Größeres Volumen im Hippokampus

Geringere Reaktivität in allen Hirnarealen bei Emotionsverarbeitung

Stärkere Reaktivität limbischer Areale in Reaktion auf negative Reize

Eine 55-jährige depressive Patientin fragt Sie, ob die depressionsbedingten neurobiologischen Veränderungen reversibel sind. Was sagen Sie ihr?

Keine Therapieform kann die depressionsbedingten neurobiologischen Veränderungen modulieren.

Alles außer Psychotherapie verändert die Struktur und Funktion des Gehirns.

Nur Elektrokonvulsionstherapie hat einen neurobiologischen Effekt.

Alle Therapieformen haben Effekte auf die Gehirnstruktur und -funktion.

Es gibt keine Möglichkeiten, solche Effekte überhaupt zu untersuchen.

Ein 35-jähriger Patient mit einer rezidivierenden depressiven Störung fragt Sie, warum Neurobiologie überhaupt wichtig sei, es gehe bei ihm ja um die Psyche. Welche Antwort wäre am angemessensten?

Eine Therapie verändert immer die Neurobiologie – tut sie es nicht, wirkt sie auch nicht.

Sie geben ihm Recht, Neurobiologie und psychische Prozesse beeinflussen sich nicht gegenseitig.

Psychische Aspekte spielen für die Therapie keine Rolle.

Neurobiologie ist etwas, was man nie verstehen wird und was keinen Mehrwert im Erklärungsmodell bringt.

Die neurobiologischen Veränderungen durch die Depression sind irreversibel, daher sollte man nur psychotherapeutisch arbeiten.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Enneking, V., Dzvonyar, F., Dannlowski, U. et al. Neuronale Effekte und Biomarker antidepressiver Therapieverfahren. Nervenarzt 90, 319–329 (2019). https://doi.org/10.1007/s00115-019-0675-9

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00115-019-0675-9

Schlüsselwörter

Keywords

Search

Navigation