الگوریتم هایی به دست آمده اند که بهترین افراد کاندیدای درمان دارویی با ضد افسردگی ها را شناسایی می کنند. مطالعه ای که توسط محققین بیمارستان Mclean انجام شد، الگوریتم هایی به دست داد که به کمک آنها می توان قبل از شروع درمان دارویی، مناسب ترین بیماران برای دریافت داروهای ضد افسردگی را انتخاب کرد.
دکتر Christian Webb توضیح داد که با ادغام نمودن نتایج حاصل از کارآزمایی های بالینی گستردهی EMBARK در مورد داروهای ضدافسردگی با اطلاعات تک تک افراد شرکت کننده (که توسط ۴ مرکز بزرگ آماری مسئول گردآوری شدند) توانسته ایم اطلاعات را تا حد زیادی شخصی سازی کنیم. بر اساس الگوریتم های حاصله دکتر Webb و همکارانش به این نتیجه رسیدند که همانند بسیاری از مطالعات قبلی تفاوت قابل ملاحظه ای بعد از تجویز دارو با پس از دریافت پلاسیبو در بهبودی علایم مشاهده نشد. با این حال تقریباً یک سوم افراد پاسخ معنی داری به داروهای ضد افسردگی، نسبت به پلاسیبو، نشان دادند. براساس این نتایج، Webb گفته که در تلاش است الگوریتم ها را با کلینیک های دنیای واقع سازگار کند. به طور خاص او اذعان کرد که با کمک دانشگاه پنسیلوانیا درصدد است الگوریتم ها را در کلینیک های روانپزشکی ضد افسردگی اِعمال کند. به این شکل که مثلاً مقایساتی میان کارایی دارو ها با هم یا دارو درمانی با روان درمانی در ارتباط با افسردگی انجام شود. این دانشمند همچنین خاطر نشان کرد که این الگوریتم ها در تعیین اینکه درمانی خاص برای فردی خاص، موثر است یا نه اهمیت به سزایی دارند. چرا که تحقیقات این چنینی به زعم Webb به تحقق هر چه بیشتر پزشکی شخصی سازی شده (personalized medicine) کمک می کنند.