KI identifiziert Autismus-Patienten, die von medikamentöser Therapie profitieren könnten

Nachdem zwei klinische Phase-III-Studien zu Bumetanid bei Autismus-Spektrum-Störungen (ASS) gescheitert waren, deutet eine nachträglich Auswertung der Ergebnisse mithilfe Maschinellen Lernens auf bestimmte klinische Profile hin, die doch von der Therapie profitieren könnten.

Bumetanid, ein spezifischer Hemmer des Na⁺-K⁺-2Cl^–-Cotransporters, stellt die bei verschiedenen Hirnstörungen, darunter auch ASS, beeinträchtigte GABAerge Hemmung wieder her. In Übereinstimmung mit diesem Mechanismus hatten mehrere klinische Phase-II-Studien signifikante Verbesserungen der ASS-Symptome bei mit Bumetanid behandelten Personen gezeigt. Trotz dieser vielversprechenden Ergebnisse scheiterten zwei große Phase-III-Studien (mit mehr als 400 Kindern in etwa 50 Zentren und den Altersgruppen 2–6 und 7–17 Jahre), da kein signifikanter Unterschied zwischen den mit Placebo oder Bumetanid behandelten Patienten festgestellt werden konnte.

Dieses Scheitern könnte den Autoten der aktuellen Studie zufolge auf die erhebliche Heterogenität der ASS-Symptomprofile in der Studienpopulation zurückzuführen sein. Um diesem Umstand Rechnung zu tragen, hatten die Forschenden eines französischen Biotechnologieunternehmens und eines auf die Analyse klinischer Daten mittels Künstlicher Intelligenz spezialisierten Unternehmens die Phase-III-Daten mit einem Algorithmus für Maschinelles Lernen erneut analysiert. Ihr Ziel war es, Untergruppen von Patienten zu identifizieren, die auf die Behandlung angesprochen haben.

Scheitern einer klinischen Studie bedeutet nicht zwingend fehlende Wirksamkeit

Die Analyse basierte auf klinischen Parametern, die zu Beginn der Studie erhoben wurden, und verwendete dieselben Endpunkte und Erfolgskriterien, die im ursprünglichen Phase-III-Protokoll definiert worden waren.

Mithilfe dieses Ansatzes fanden die Forscher heraus, dass 30 bis 40 Prozent der Kinder, die an den Phase-III-Studien teilgenommen hatten, unter Bumetanid eine signifikante Verbesserung gezeigt hatten haben.

„Das Scheitern einer klinischen Studie bedeutet nicht zwangsläufig, dass die Behandlung unwirksam ist. Es kann einfach die extreme Vielfalt der klinischen Profile bei Autismus widerspiegeln“, erklärte Prof. Yehezkel Ben-Ari, Neurobiologe und korrespondierender Autor der in „Translational Psychiatry“ veröffentlichten Studie.

Welche Kinder könnten von einer Behandlung profitieren?

Der von den Forschenden trainierte Algorithmus identifizierte spezifische klinische Merkmale, die Kinder gemeinsam hatten, die eher positiv auf eine Behandlung ansprechen. Diese Merkmale werden bereits routinemäßig bei klinischen Konsultationen beobachtet. Dazu gehören:

• Mäßige Schwierigkeiten bei der Anpassung an Veränderungen, z. B. wenn ein unerwartetes Ereignis die täglichen Routinen stört;
• Repetitive Verhaltensweisen, einschließlich eines starken Bedürfnisses nach Routinen, Wiederholungen oder stabilen Bezugspunkten, um sich sicher zu fühlen;
• Ausgeprägte soziale Schwierigkeiten, wie eingeschränkte Interaktion mit Gleichaltrigen, beeinträchtigte soziale Kommunikation oder sozialer Rückzug in bestimmten Situationen.

Den Forschenden zufolge sprechen die Ergebnisse für eine Verlagerung hin zu einem personalisierten Ansatz bei der Behandlung von Autismus, bei dem klinische Studien und letztlich auch Therapien auf individuelle klinische Profile zugeschnitten werden, anstatt nach einer Einheitslösung zu suchen.

Um diese Ergebnisse zu bestätigen, wollen die Forscher nun eine neue klinische Studie starten, an der nur Kinder teilnehmen, die das identifizierte Profil erfüllen. (ej/BIERMANN)