Non-response and drop-out in psychotherapy of borderline personality disorder: identification of psychological, neural and relational predictors

Titolo del Progetto: Non-response and drop-out in psychotherapy of borderline personality disorder: identification of psychological, neural and relational predictors 

Principal Investigator: Prof.ssa Irene Messina 

UNDER 40 

Discipline STEM  

Bando PRIN 2022 PNRR

Contributo MUR al Progetto: 224.146,00 Euro 

Partner: Università degli Studi di Palermo, Università degli Studi di Trento, Università Cattolica del Sacro Cuore di Milano 

Settore ERC: SH4_3 

Descrizione: Il Disturbo di Personalità Borderline (BPD) è un disturbo mentale molto diffuso, caratterizzato da instabilità nelle relazioni interpersonali, instabilità dell’identità, impulsività e disregolazione emozionale. Tale disturbo comporta grave compromissione del funzionamento sociale, alto rischio di suicidio, autolesionismo e necessità di numerose modalità di intervento sanitario che ne fanno uno dei disturbi mentali  più costosi, sia da un punto di vista sociale che di spesa sanitaria.  

La psicoterapia è considerata la tipologia di trattamento più efficace per il BPD. Nei decenni passati ci sono stati notevoli progressi nello sviluppo e nella validazione scientifica di forme di psicoterapia specifiche per questo disturbo. Tuttavia, proprio per l’instabilità relazionale e l’impulsività tipiche del disturbo, circa la metà dei pazienti non rispondono alla psicoterapia oppure interrompono la terapia prima di ottenere dei benefici. Il presente studio mira ad ampliare le conoscenze dei fattori predittivi della non-risposta al trattamento e dell’abbandono precoce della terapia con l’obiettivo di aumentare il numero dei pazienti che potrebbero beneficiare dei trattamenti disponibili. A tal fine, si segue l’approccio della precision medicine che promuove  la ricerca su sottogruppi di pazienti con caratteristiche specifiche, in vista di un maggiore adattamento delle opzioni di trattamento disponibili a specifiche tipologie di pazienti. Nel caso specifico del presente studio, tale obiettivo viene perseguito attraverso l’applicazione di innovative metodologie di machine learning in grado di combinare diverse variabili per la predizione dell’esito dei trattamenti e individuare quei fattori particolarmente utili ad effettuare delle previsioni. Tra le numerose variabili che possono predire l’esito della psicoterapia, ci si focalizzerà su variabili relative all’individuo – incluso variabili di tipo neurobiologico – come anche variabili riguardanti la relazione terapeutica e variabili relative alla persona dello psicoterapeuta.  

A conclusione dello studio, sarà possibile fornire delle previsioni attendibili sulle probabilità che un paziente con BPD ottenga beneficio da una psicoterapia e la porti a termine fino al raggiungimento degli obiettivi terapeutici. L’impatto di questo studio avrà importanti implicazioni in termini di aumento delle conoscenze disponibili (migliore comprensione dei meccanismi di azione delle psicoterapie), innovazione nei servizi  sanitari (creazione di linee guida sulla predizione dell’andamento dei trattamenti) e impatto economico (miglioramento dei servizi di salute mentale in termini di migliore allocazione delle risorse).