Triagem de alterações bioquímicas induzidas pela ayahuasca em indivíduos saudáveis e pacientes com depressão: uma abordagem de aprendizado de máquina
machine-learning, ayahuasca, psychedelic, biomarkers, depression
Ayahuasca é uma bebida Amazônica psicodélica que recentemente demonstrou potenciais efeitos antidepressivos. Neste estudo, objetivamos investigar o impacto da Ayahuasca em marcadores bioquímicos em sujeitos saudáveis (grupo de controle - GC, n = 42) e pacientes com depressão resistente ao tratamento (DRT, n = 28). Utilizamos técnicas de aprendizado de máquina, especificamente algoritmos de random forest associados à eliminação recursiva de características, e validação cruzada de 5 dobras. Primeiramente, nosso modelo selecionou a proteína C-reativa (CRP), cortisol salivar do despertar e colesterol total como as características mais importantes para diferenciar entre GC e DRT. Em seguida, o modelo apresentou baixo desempenho na distinção do grupo da Ayahuasca do grupo placebo no GC, sugerindo um impacto mínimo da Ayahuasca nestes biomarcadores em sujeitos saudáveis. Por outro lado, para distinguir os efeitos da Ayahuasca do placebo em DRT, o modelo sugere uma modulação de glicose, CRP, linfócitos, colesterol LDL, células vermelhas do sangue, BDNF e AST. Finalmente, usando eliminação recursiva de características e análise de correlação, BDNF e cortisol plasmático surgiram como preditores dos resultados terapêuticos da Ayahuasca em DRT. No geral, nossos resultados reforçam evidências anteriores de que a Ayahuasca é segura em indivíduos saudáveis e associam mudanças de biomarcadores com seu efeito em pacientes com DRT.