22 oktober 2026 – Kunstmatige intelligentie (AI) kan helpen inschatten bij welke patiënten met een depressie het risico op terugval hoog os . Toch is de voorspellende waarde nog te beperkt om individuele behandelbeslissingen op te baseren. Dat blijkt uit Duits onderzoek dat is gepubliceerd in het wetenschappelijke tijdschrift JAMA Psychiatry.
Onderzoekers onderzochten of kunstmatige intelligentie kan voorspellen welke mensen met een depressie binnen twee jaar opnieuw klachten krijgen. Daarvoor analyseerden zij gegevens van 564 mensen met een huidige of eerdere depressie. Van hen kregen 270 deelnemers tijdens de onderzoeksperiode opnieuw een depressieve episode. Bij de overige 294 werd geen terugval vastgesteld.
De onderzoekers gebruikten machinelearningmodellen, een vorm van kunstmatige intelligentie die patronen in gegevens herkent. Ze combineerden onder meer klinische gegevens met informatie uit hersenscans, genetisch onderzoek, cognitieve tests, bloedonderzoek en het darmmicrobioom.
Meer gegevens leverden geen betere voorspelling op
Het opvallendste resultaat was dat de combinatie van al die gegevens de voorspellingen niet nauwkeuriger maakte. Het beste model gebruikte slechts een beperkt aantal klinische kenmerken die samenhangen met het risico op terugval.
De nauwkeurigheid van dat model bedroeg maximaal 64,43 procent. Volgens de onderzoekers is dat onvoldoende om betrouwbaar te bepalen welke individuele patiënt opnieuw depressief zal worden.
De resultaten laten zien dat het verzamelen van steeds meer medische en biologische gegevens niet automatisch leidt tot betere voorspellingen. Bekende klinische risicofactoren bleken in dit onderzoek minstens zo bruikbaar als de uitgebreidere combinatie van gegevens.
Mogelijke gevolgen voor de ggz
Het vroeg herkennen van een dreigende terugval kan belangrijk zijn voor mensen met een depressie. Als hulpverleners tijdig veranderingen signaleren, kunnen zij mogelijk eerder ingrijpen en de behandeling aanpassen.
Kunstmatige intelligentie kan daarbij in de toekomst een ondersteunende rol spelen. De huidige onderzoeksresultaten bieden daarvoor echter nog geen voldoende stevige basis op individueel niveau.
De onderzoekers wijzen erop dat het mogelijk nuttiger is om veranderingen bij patiënten door de tijd heen te volgen. Een eenmalige meting geeft immers maar beperkt inzicht in hoe iemands klachten en risicofactoren zich ontwikkelen.
Het onderzoek werd uitgevoerd met gegevens uit een Duits cohort, met deelnemers die tussen 2014 en 2019 bij aanvang werden onderzocht en ongeveer twee jaar later opnieuw werden beoordeeld. Of vergelijkbare modellen ook goed werken binnen de Nederlandse ggz, moet nog blijken.
De studie is op 21 oktober gepubliceerd in JAMA Psychiatry.- Teutenberg en collega’s, Multimodal Machine Learning–Based Prediction of Relapse in Major Depressive Disorder, JAMA Psychiatry (2026).
Bron: JAMA Psychiatry
Dit bericht is 4 keer gelezen.
