Como biomarcadores podem orientar a escolha de antidepressivos e reduzir o método tentativa-e-erro

Um estudo coordenado por Diego A. Pizzagalli, da University of California, Irvine, em parceria com o McLean Hospital–Mass General Brigham e publicado na revista Nature Mental Health, demonstra que o uso de biomarcadores biológicos e comportamentais pode incrementar substancialmente a eficácia inicial do tratamento da depressão maior. Segundo os autores, pacientes cujos perfis biomarcadores eram favoráveis para pelo menos um dos fármacos avaliados tiveram uma chance de resposta quase 67% maior em comparação com aqueles sem perfis favoráveis.

O achado tem implicações práticas e de infraestrutura clínica: aponta para a possibilidade de migrar da prática atual — um longo processo de tentativa e erro na prescrição de antidepressivos — para uma abordagem de medicina de precisão, onde dados objetivos do cérebro e do comportamento orientam a escolha do tratamento desde o início. Em termos de sistemas, é como substituir uma rede de distribuição em que peças são testadas empiricamente por um circuito otimizado cujo fluxo é guiado por sensores e modelos preditivos.

Historicamente, o tratamento da depressão maior tem sido uma sequência de tentativas com diferentes medicamentos, o que pode levar meses até identificar uma opção eficaz. Esse intervalo mantém os sintomas ativos e aumenta o risco suicida. O estudo de Pizzagalli ressalta que informações objetivas — obtidas antes do início da terapia — podem reduzir esse tempo de incerteza.

Para construir os algoritmos preditivos, a equipe utilizou dados do estudo EMBARC. Integrações de diferentes camadas de dados foram fundamentais: imagens de conectividade cerebral obtidas por ressonância magnética funcional, medidas de sensibilidade à recompensa, indicadores de controle cognitivo, gravidade dos sintomas depressivos, traços de personalidade e até variáveis socioeconômicas como situação ocupacional.

Com esses insumos, os modelos previram qual entre dois dos antidepressivos mais prescritos — sertralina e bupropiona — seria mais adequado para cada paciente. Antes da terapia, os participantes passaram por exames de imagem, testes cognitivos e avaliação psiquiátrica, permitindo que o algoritmo recomendasse o fármaco com maior probabilidade de resposta.

O resultado mais relevante foi que pacientes com biomarcadores favoráveis para pelo menos um dos dois medicamentos apresentaram uma probabilidade de resposta marcadamente maior do que pacientes sem tais perfis. Em números práticos, esse método poderia ampliar a taxa de resposta inicial — hoje limitada, em média, entre 30% e 50% para o primeiro antidepressivo — reduzindo tempo de sofrimento e potenciais riscos associados à demora terapêutica.

Do ponto de vista operacional, a pesquisa mostra como o fluxo de dados e a integração entre imagens cerebrais, testes comportamentais e registros clínicos podem funcionar como o alicerce digital para decisões médicas mais precisas. Para sistemas de saúde na Itália e na Europa, a adoção desse quadro exigiria investimentos em capacidade de imagem, interoperabilidade de dados e formação clínica para interpretar modelos preditivos — componentes do sistema nervoso das cidades intelectuais que sustentam a atenção à saúde mental.

Em resumo, o estudo liderado por Pizzagalli não promete soluções mágicas, mas oferece um caminho pragmático: transformar sinais objetivos do cérebro e do comportamento em critérios práticos para escolha de tratamento, reduzindo a dependência do método empírico e acelerando a resposta terapêutica para quem vive com depressão.