マルチタイムスケールのダイナミックな効果的な脳ネットワークは,重度のうつ病障害を有する個人に加速された脳老化を明らかにします

科学分野:

• 神経画像は,神経イメージングによるものです.
• 計算神経科学とは
• 精神科医は精神病を患っている.

背景:

• 脳年齢の推定は,脳の健康のための重要なバイオマーカーですが,正確性の課題に直面しています.
• 重度のうつ病 (MDD) は,異常な脳の老化パターンと関連しています.
• 休息状態の機能性磁気共鳴画像 (rs-fMRI) は,脳の機能を研究するために不可欠です.

研究 の 目的:

• 脳の年齢予測の強化のための多時間スケールダイナミック・エフェクト・ブレイン・ネットワーク (MTS-DEBN) の可能性を調査する.
• MTS-DEBNを用いてMDDにおける非典型的老化パターンを特定する.
• 健康な対照群とMDD患者の区別におけるMTS-DEBNの有用性を評価する.

主な方法:

• 80人の健康な対照群 (HC) と80人のMDD患者からのRS-fMRIデータを分析した.
• ダイナミックな効果的な脳ネットワークは,4つの時間スケールで,粗粒度アルゴリズムを使用して構築されました.
• HCデータで訓練されたサポートベクトル回帰モデルは,MDDグループにおける脳年齢を予測しました.

主要な成果:

• 統合特征セット (ALL) は,HC (MAE = 3.64年) で最も高い予測精度を達成しました.
• 脳年齢ギャップ (BAG) は,HC (1.96年) と比較して,現在のMDD (4.56年) と寛解後のMDD (3.16年) で著しく高かった.
• BAGでは,現在のMDDと寛解したMDDの間には有意な差はなく,うつ病の持続時間または重症度との相関も見つかりませんでした.

結論:

• MTS-DEBNは脳年齢予測の精度を大幅に高めています.
• 加速した脳老化は,MDD患者の現在および寛解した両方で明らかです.
• MTS-DEBNは,神経精神疾患における脳の老化ダイナミクスと治療効果を追跡するための敏感なバイオマーカーとして機能します.