功能性大脑网络特征确定了治疗耐药抑郁症患者的DBS结果

科学领域:

• 神经科学是一个神经科学.
• 计算精神病学是一种计算精神病学.
• 生物标志物 生物标志物

背景情况:

• 深度大脑刺激 (DBS) 为治疗耐药性抑郁症 (TRD) 提供了治疗潜力.
• 皮层-皮下皮层失调是DBS的目标,但患者选择仍然是一个挑战,因为反应率低于最佳.
• 大脑网络功能受到DBS的影响,这表明网络特征可以作为预测生物标志物.

研究的目的:

• 调查使用静止状态EEG和图形理论分析评估的大脑网络特征的纵向变化是否可以预测TRD患者对SCG-DBS的治疗反应.
• 确定与SCG-DBS结果相关的特定网络拓和动态特征.
• 探索SCG-DBS治疗作用的潜在机制.

主要方法:

• 从10名TRD患者收集了纵向静止状态EEG数据,这些患者在基线,1-3个月和手术后6个月接受SCG-DBS.
• 图形理论分析 (集群系数,全球效率,自向量中心性,能量,) 应用于源局部化的EEG网络.
• 根据12个月后汉密尔顿抑郁评分表 (HAM-D) 评分下降≥50%的情况,患者被归类为响应者.

主要成果:

• 在三角波段,响应者表现出明显较低的全球大脑网络特征 (分离,整合,同步,复杂性) 和较高的中心性亚阴前带皮层 (ACC) 与非响应者相比.
• SCG-DBS纵向增加了全球网络特征,并降低了亚基因 ACC 的中心性.
• 网络功能有效地分离了患者群体,网络变化与随着时间的推移与抑郁症症状严重程度相关.

结论:

• 治疗前的大脑网络拓和动态,特别是在三角波段,与TRD中的SCG-DBS治疗反应有关.
• SCG-DBS增强了大脑网络的整合,分离和同步性,可能导致更快,更有效的信息处理.
• 改变的连接性,特别是涉及ACC,可能会调解SCG-DBS的治疗效果,突出网络特征作为患者选择的潜在生物标志物.