Nikos_skaliert

Prof.Dr. Nikolaos Koutsouleris

Geschäftsführender Oberarzt der Klinik

Biosketch


Forschungsschwerpunkt

Neurobiologische, neuropsychologische und klinische Daten enthalten prognostisch-relevante Informationen, die für eine verbesserte, quantitative Früherkennung affektiver und nicht-affektiver Psychosen genützt werden könnten. Eine bessere Früherkennung ist ein wichtiges Ziel in der psychiatrischen Forschung der letzten 20 Jahre, da nur hierüber ein Ausbruch dieser unter Umständen sehr schwer verlaufenden Erkrankungen verhindert werden kann (Prädiktive Psychiatrie). Aus diesem Grund habe ich mich in meiner klinischen Tätigkeit dem Aufbau einer leistungsfähigen Früherkennungsambulanz in der Klinik für Psychiatrie und Psychotherapie gewidmet (PRONIA-Früherkennungsambulanz). Im Rahmen meiner Forschungstätigkeit habe ich Quer- und Längsschnittstudien an jungen Erwachsenen mit erhöhtem Risiko für die Entwicklung psychotischer Erkrankungen durchgeführt (PRONIA-Früherkennungsambulanz). So konnte ich mit Hilfe von Mustererkennungsverfahren potenzielle MRT- und neurokognitive Biomarker identifizieren, die bei diesen Hochrisiko-Personen eine genaue Einzelfallvorhersage psychotischer Erkrankungsausbrüche ermöglichte. Als Leiter der Sektion für Neurodiagnostische Verfahren (Neurodiagnostische Verfahren) ist es daher mein Ziel mit einem Team junger Wissenschaftler prädiktive, prognostische und diagnostische Modelle zu entwickeln, die (a) eine effektive personalisierte präventive Therapie von Jugendlichen und jungen Erwachsenen mit hohem Erkrankungsrisiko erlauben, und (b) die die Psychiatrie in Richtung einer neurowissenschaftlich begründbaren Differenzialdiagnostik psychiatrischer Störungsbilder weiterentwickeln. Hierbei ist es mir ein großes Anliegen, die interdisziplinären, translationalen und neurowissenschaftlichen Ansätze der psychiatrischen Forschung miteinander zu verbinden und insbesondere in die Ausbildung junger Nachwuchsforscher einzubringen. Nur hierdurch können wir in absehbarer Zeit das Ziel erreichen, eine quantitative prädiktive Psychiatrie (Prädiktive Psychiatrie) zu etablieren, die auf die individuellen Krankheitsrisiken und Ressourcen des Einzelnen passende Antworten geben kann.


Publikationen:

  • Koutsouleris, N., Dwyer, D. B., Degenhardt, F., Maj, C., Urquijo-Castro, M. F., Sanfelici, R., . . . Meisenzahl, E. (2020). Multimodal Machine Learning Workflows for Prediction of Psychosis in Patients With Clinical High-Risk Syndromes and Recent-Onset Depression. JAMA Psychiatry. doi:10.1001/jamapsychiatry.2020.3604

     

  • Dwyer, D. B., Kalman, J. L., Budde, M., Kambeitz, J., Ruef, A., Antonucci, L. A., . . . Koutsouleris, N. (2020). An Investigation of Psychosis Subgroups With Prognostic Validation and Exploration of Genetic Underpinnings: The PsyCourse Study. JAMA Psychiatry, 77(5), 523-533. doi:10.1001/jamapsychiatry.2019.4910

 

  • Popovic, D., Ruef, A., Dwyer, D. B., Antonucci, L. A., Eder, J., Sanfelici, R., . . . Koutsouleris, N. (2020). Traces of Trauma: A Multivariate Pattern Analysis of Childhood Trauma, Brain Structure, and Clinical Phenotypes. Biol Psychiatry, 88(11), 829-842. doi:10.1016/j.biopsych.2020.05.020

     

  • Sanfelici, R., Dwyer, D. B., Antonucci, L. A., & Koutsouleris, N. (2020). Individualized Diagnostic and Prognostic Models for Patients With Psychosis Risk Syndromes: A Meta-analytic View on the State of the Art. Biol Psychiatry, 88(4), 349-360. doi:10.1016/j.biopsych.2020.02.009

 

  • Koutsouleris N, Upthegrove R, Wood SJ. Importance of Variable Selection in Multimodal Prediction Models in Patients at Clinical High Risk for Psychosis and Recent Onset Depression-Reply. JAMA Psychiatry. 2019 Mar 1;76(3):339-340. doi: 10.1001/jamapsychiatry.2018.4237.

     

  • Koutsouleris, N., Wobrock, T., Guse, B., Langguth, B., Landgrebe, M., Eichhammer, P., . . . Hasan, A. (2018). Predicting Response to Repetitive Transcranial Magnetic Stimulation in Patients With Schizophrenia Using Structural Magnetic Resonance Imaging: A Multisite Machine Learning Analysis. Schizophr Bull, 44(5), 1021-1034. doi:10.1093/schbul/sbx114

 

  • Dwyer, D. B., Falkai, P., & Koutsouleris, N. (2018). Machine Learning Approaches for Clinical Psychology and Psychiatry. Annu Rev Clin Psychol, 14, 91-118. doi:10.1146/annurev-clinpsy-032816-045037

 

  • Koutsouleris, N., Kambeitz-Ilankovic, L., Ruhrmann, S., Rosen, M., Ruef, A., Dwyer, D. B., . . . Borgwardt, S. (2018). Prediction Models of Functional Outcomes for Individuals in the Clinical High-Risk State for Psychosis or With Recent-Onset Depression: A Multimodal, Multisite Machine Learning Analysis. JAMA Psychiatry, 75(11), 1156-1172. doi:10.1001/jamapsychiatry.2018.2165

     

  • Koutsouleris N, Kahn RS, Chekroud AM, Leucht S, Falkai P, Wobrock T, Derks EM, Fleischhacker WW, Hasan A. (2016). Multisite prediction of 4-week and 52-week treatment outcomes in patients with first-episode psychosis: a machine learning approach. Lancet Psychiatry, 3(10):935-946. doi: 10.1016/S2215-0366(16)30171-7.

 

  • Koutsouleris N, Meisenzahl EM, Borgwardt S, Riecher-Rössler A, Frodl T, Kambeitz J, Köhler Y, Falkai P, Möller HJ, Reiser M, Davatzikos C. (2015). Individualized differential diagnosis of schizophrenia and mood disorders using neuroanatomical biomarkers. Brain. 138(Pt 7):2059-73. doi: 10.1093/brain/awv111.

 

  • Kambeitz J, Kambeitz-Ilankovic L, Leucht S, Wood S, Davatzikos C, Malchow B, Falkai P, Koutsouleris N. (2015). Detecting neuroimaging biomarkers for schizophrenia: a meta-analysis of multivariate pattern recognition studies. Neuropsychopharmacology. 40(7):1742-51. (IF: 7.5)

 

  • Koutsouleris N, Riecher-Rössler A, Meisenzahl E, Smieskova R, Studerus E, Kambeitz-Ilankovic L, von Saldern S, Cabral C, Reiser M, Falkai P, Borgwardt S. (2014). Detecting the psychosis prodrome across high-risk populations using neuroanatomical biomarkers. Schizophrenia Bulletin. doi: 10.1093/schbul/sbu078

 

  • Koutsouleris N, Davatzikos C, Borgwardt S, Gaser C, Bottlender R, Frodl T, Falkai P, Riecher-Rössler A, Möller HJ, Reiser M, Pantelis C, Meisenzahl E. (2014). Accelerated Brain Aging in Schizophrenia and Beyond: A Neuroanatomical Marker of Psychiatric Disorders. Schizophrenia Bulletin. 40(5):1140-53

 

  • Koutsouleris N, Borgwardt S, Meisenzahl EM, Bottlender R, Möller HJ, Riecher-Rössler A. (2012). Disease prediction in the at-risk mental state for psychosis using neuroanatomical biomarkers: results from the FePsy-study. Schizophrenia Bulletin. 38(6):1234-46 (IF: 8.8)

 

  • Koutsouleris N, Davatzikos C, Bottlender R, Patschurek-Kliche K, Scheuerecker J, Decker Petra, Gaser C, Möller HJ; Meisenzahl E. (2012). Early recognition and disease prediction in the at-risk mental states for psychosis using neurocognitive pattern classification. Schizophrenia Bulletin. 38(6):1200-15 (IF: 8.8)

 

  • Koutsouleris N, Gaser C, Patschurek-Kliche K, Scheuerecker J, Bottlender R, Decker P, Schmitt G, Reiser M, Möller HJ and Meisenzahl EM. (2012). Multivariate patterns of brain–cognition associations relating to vulnerability and clinical outcome in the at-risk mental states for psychosis. Human Brain Mapping. 33(9):2104-2124.(IF: 5.9)

 

  • Koutsouleris N, Gaser C, Bottlender R, Davatzikos C, Decker P, Jäger M, Schmitt G, Reiser M, Möller HJ, Meisenzahl EM. (2010). Use of Neuroanatomical Pattern Regression to Predict the Structural Brain Dynamics of Vulnerability and Transition to Psychosis. Schizophrenia Research. 123(2-3):175-187 (IF: 4.5).

  • Koutsouleris N, Meisenzahl EM, Davatzikos C, Bottlender R, Frodl T, Scheuerecker J, Schmitt G, Zetzsche T, Decker P, Reiser M, Möller HJ, Gaser C. (2009). Use of neuroanatomical pattern classification to identify subjects in at-risk mental states of psychosis and predict disease transition. Arch Gen Psychiatry. 66(7):700-12. doi: 10.1001/archgenpsychiatry.2009.62.


Kontakt

Telefon: 089/440055885

E-Mail: Nikolaus.Koutsouleris@med.uni-muenchen.de

PRONIA-Früherkennung
Klinikum der Universität München
Klinik für Psychiatrie und Psychotherapie
Nussbaumstraße 7
80336 München