Multimodale fenotypische classificatie van gegeneraliseerde angst en paniek met behulp van structurele MRI-gegevens en psychosociale factoren: machine learning-resultaten uit de Duitse Nationale Cohorte (NAKO)-studie

Waarom zorgen en paniek belangrijk zijn voor het dagelijks leven

Veel mensen leven met voortdurende zorgen of plotselinge angstgolven die lijken uit het niets te komen. Deze ervaringen, bekend als gegeneraliseerde angst en paniekaanvallen, kunnen energie wegnemen, het werk- en gezinsleven verstoren en het risico op andere gezondheidsproblemen verhogen. Deze studie stelde een eenvoudige maar belangrijke vraag: wat vertelt ons meer over wie worstelt met deze aandoeningen, iemands levensverhaal en actuele stress, of gedetailleerde scans van hun hersenen?

Kijken naar zowel geest als brein

Onderzoekers gebruikten gegevens van meer dan 26.000 volwassenen die deelnamen aan de Duitse Nationale Cohorte, een grootschalige gezondheidsstudie. Deelnemers beantwoordden vragen over angst, paniekaanvallen, depressie, dagelijkse stress, roken en ervaringen van misbruik of verwaarlozing in de jeugd. Ze ondergingen ook hoge-resolutie hersenscans die de grootte en dikte van 246 verschillende hersengebieden maten. Met moderne computertechnieken uit de machine learning probeerde het team algoritmes te trainen om mensen met sterke angstsymptomen of paniekaanvallen te onderscheiden van degenen zonder.

Levenservaringen spreken luider dan hersenscans

Toen de modellen alleen op hersenscans vertrouwden, presteerden ze slechts iets beter dan gokken. Daarentegen waren modellen die alleen psychosociale informatie gebruikten — zoals depressiescores, actuele stress en jeugdtrauma — zeer nauwkeurig in het identificeren van mensen met hoge niveaus van gegeneraliseerde angst of paniekaanvallen. Met name depressieve symptomen en stress, een geschiedenis van moeilijke jeugdervaringen en vrouwelijk geslacht behoorden tot de sterkste aanwijzingen. Paniekaanvallen en gegeneraliseerde angst voorspellen ook elkaar, wat weerspiegelt hoe vaak ze samen voorkomen.

Wat hersenscans toch toevoegen

Het toevoegen van hersengegevens aan de psychosociale informatie verbeterde de algehele nauwkeurigheid niet, maar het hielp de modellen wel om valse alarmen te vermijden. Met andere woorden, het combineren van hersenstructuur met levensgeschiedenis hielp het systeem zekerder mensen te herkennen die waarschijnlijk geen klinisch relevante angst of paniek hebben. Bepaalde hersengebieden bleven terugkomen als nuttige puzzelstukken, vooral regio’s die betrokken zijn bij angst en aandacht, zoals delen van de amygdala en een stuk weefsel nabij de zijkant van de frontaalkwab dat denken en piekeren ondersteunt. Deze hersenkenmerken waren echter subtiel en werden pas informatief wanneer ze samen met vele andere factoren werden beschouwd.

Waarom dit belangrijk is voor zorg en toekomstig onderzoek

De bevindingen benadrukken dat eenvoudige middelen die al in klinieken beschikbaar zijn, zoals korte vragenlijsten over stemming, stress en vroegere tegenslag, nog steeds de krachtigste manier zijn om mensen met risico op ernstige angst en paniek aan te wijzen. Hersenscans op zichzelf zijn nog niet klaar om als op zichzelf staande tests te dienen. De studie suggereert echter dat de hersenstructuur extra, fijnmazige informatie kan bevatten die risicobeoordelingen kan aanscherpen, vooral om problemen uit te sluiten of subgroepen van patiënten te definiëren. Grotere en meer diverse longitudinale studies die mensen in de loop van de tijd volgen en andere biologische maten toevoegen, kunnen dergelijke multimodale benaderingen uiteindelijk omzetten in bruikbare instrumenten voor meer gerichte behandeling.

De kernboodschap voor lezers

Voorlopig vertelt wat mensen rapporteren over hun gevoelens, stress en levensgeschiedenis artsen veel meer over gegeneraliseerde angst en paniek dan een structurele hersenscan doet. Hersenbeeldvorming levert kleinere, aanvullende aanwijzingen in plaats van eenduidige antwoorden. Dit werk suggereert dat de beste weg vooruit is om aandachtig naar patiënten te luisteren en slimme inzet van hersen- en biologische gegevens te combineren, met als doel op termijn meer gepersonaliseerde zorg te bieden zonder te vertrouwen op hersenscans als magische detectoren van angst.

Bronvermelding: Gutzeit, J., Weiß, M., Kuhn, T. et al. Multimodal phenotypic classification of generalized anxiety and panic using structural MRI data and psychosocial factors: machine learning results from the German National Cohort (NAKO) study. Transl Psychiatry 16, 287 (2026). https://doi.org/10.1038/s41398-026-04131-1

Trefwoorden: gegeneraliseerde angst, paniekaanvallen, psychosociale factoren, hersen-MRI, machine learning