Predicting outcome with Intranasal Esketamine treatment: A machine-learning, three-month study in Treatment-Resistant Depression (ESK-LEARNING)

Name: Predicting outcome with Intranasal Esketamine treatment: A machine-learning, three-month study in Treatment-Resistant Depression (ESK-LEARNING)
Author: Pettorruso M, Guidotti R, d'Andrea G, De Risio L, D'Andrea A, Chiappini S, Carullo R, Barlati S, Zanardi R, Rosso G, De Filippis S, Di Nicola M, Andriola I, Marcatili M, Nicolò G, Martiadis V, Bassetti R, Nucifora D, De Fazio P, Rosenblat JD, Clerici

Autore/i: Pettorruso M, Guidotti R, d'Andrea G, De Risio L, D'Andrea A, Chiappini S, Carullo R, Barlati S, Zanardi R, Rosso G, De Filippis S, Di Nicola M, Andriola I, Marcatili M, Nicolò G, Martiadis V, Bassetti R, Nucifora D, De Fazio P, Rosenblat JD, Clerici

Editore: Psychiatry Res . 2023 Jul 28;327:115378. doi: 10.1016/j.psychres.2023.115378. Online ahead of print.

Prezzo: 0.00€

Link: https://www.sciencedirect.com/science/article/pii/S0165178123003281?via%3Dihub

Descrizione

Da poco pubblicato sulla rivista scientifica internazionale Psychiatry Research, questo lavoro multicentrico evidenzia come L'Intelligenza Artificiale possa essere di aiuto nel predire la risposta clinica dei pazienti all'esketamina intranasale. Esketamina intranasale è un nuovo farmaco approvato per il trattamento della depressione resistente in aggiunta agli antdepressivi tradizionali e che ha mostrato risultati molto incoraggianti sia nel breve termine che nella terapia di mantenimento. In futuro potrebbe essere possibile conoscere in anticipo la probabilità di risposta di un determinato paziente all'esketamina, evitando così quei trattamenti che potrebbero non dare risultati significativi.

28.08.23 490