うつ病予測のための動的脳ネットワークバイオマーカー：グローバル神経画像データベースのマルチコホート分析

科学分野:

• 計算神経科学
• 神経画像解析
• 精神医学的バイオマーカー

背景:

• 大うつ病性障害は、世界中で3億人以上に影響を与えています。
• 信頼できるバイオマーカーの欠如は、リスクのある個人の早期特定を妨げています。
• 感情的な課題中の動的な脳ネットワーク再編成は、うつ病の脆弱性を示唆する可能性があります。

研究 の 目的:

• 動的脳ネットワークの柔軟性がうつ病の発症を予測するかどうかを判断すること。
• 神経画像データを活用した個別化された臨床介入を探求すること。
• うつ病予測のための大規模神経画像データベースを分析すること。

主な方法:

• 7つの国際神経画像データベース（2018-2024）にわたる14,376人の成人を対象とした分析。
• 感情調節課題中の機能的MRIおよびEEG。
• 脳ネットワークの柔軟性を定量化し、表現型を特定するためのグラフ理論的アプローチと機械学習。
• 検証済みの臨床機器を使用したうつ病転帰のための30ヶ月の追跡調査。

主要な成果:

• 4つの異なる脳ネットワーク柔軟性表現型が、データベースを横断した一貫性をもって特定されました。
• 硬直・非柔軟性表現型（有病率18.7%）は、うつ病発生率が4.3倍高いことを示しました。
• ネットワークの柔軟性は、うつ病の発症を83.2%の精度（AUC=0.89）で予測し、従来のモデル（AUC=0.69）を上回りました。
• 柔軟な個人は、硬直した個人とは異なり、ストレス下で心理的回復力を実証しました。

結論:

• 動的な脳ネットワークバイオマーカーは、予測的で個別化された精神医学のための有望な道を提供します。
• 本研究結果は、うつ病予防のための早期介入と新規治療標的に対する神経生物学的基盤を提供します。
• 集団を横断した一貫性は、潜在的な普遍性を示唆しており、臨床的応用を支持します。