Den Verlauf von Depressionen besser verstehen

Am 1. Juli hat das neue Forschungskonsortium SFB/Transregio 393 „Verlaufsformen affektiver Störungen: Kognitiv-emotionale Mechanismen der Symptomänderung“ seine Arbeit aufgenommen. Die Deutsche Forschungsgemeinschaft (DFG) unterstützt das Konsortium mit knapp 14 Millionen Euro.

Das Konsortium besteht aus interdisziplinären, kliniknahen Forschungsgruppen der TU Dresden, der Philipps-Universität Marburg sowie der Universität Münster und hat das Ziel, die Verläufe affektiver Störungen sowie das Wiederauftreten von Episoden und deren Remission durch die Untersuchung zugrundeliegender kognitiv-emotionaler Mechanismen besser zu verstehen. Die Erkenntnisse sollen die Chance eröffnen, innovative Behandlungsansätze zu entwickeln und frühzeitig einzusetzen, um den Langzeitverlauf der Erkrankung für die Patienten zukünftig deutlich weniger gravierend zu gestalten.

Für den Förderzeitraum hat die DFG Mittel von knapp 14 Millionen Euro für das gesamte Konsortium bewilligt, etwa 3,7 Millionen Euro werden an den Forschungsstandort Dresden gehen. Neben den drei Partnereinrichtungen Philipps-Universität Marburg, Universität Münster und TU Dresden sind auch das Karlsruher Instituts für Technologie (KIT) und die Rheinische Friedrich-Wilhelms-Universität Bonn beteiligt.

In den kommenden vier Jahren werden die Symptomverläufe von Patienten mit affektiven Störungen sehr genau untersucht, insbesondere die Zeit unmittelbar vor und während des Auftretens neuer Erkrankungsepisoden. Hierzu wird unter anderem ein kontinuierliches Monitoring mithilfe einer speziell für diesen Zweck entwickelten Smartphone-App genutzt. Verlaufsparameter werden auf molekularer und neuronaler sowie auf Verhaltensebene beschrieben, um die Mechanismen für das Wiederauftreten von Episoden, aber auch für Genesung, zu verstehen. Einzelne Mechanismen werden auf ihre Anfälligkeit für beispielsweise Stress hin untersucht, und es werden Therapiebausteine getestet, die Krankheitsepisoden aufhalten oder deren Dauer verkürzen sollen. Um das komplexe und dynamische Zusammenwirken der Einflussfaktoren auf den Erkrankungsverlauf besser untersuchen zu können, kommen innovative Modellierungsansätze, beispielsweise des Maschinellen Lernens, zum Einsatz.