开发和验证一种多式神经成像生物标志物用于电治疗的结果在抑郁症:一个多中心机器学习分析分析

科学领域:

• 神经成像是一种神经成像.
• 精神病学是一个精神病学.
• 机器学习 机器学习

背景情况:

• 电疗法 (ECT) 对治疗耐药性抑郁症非常有效.
• 临床决策支持工具可以优化患者对ECT的选择.
• 之前对ECT结果的神经成像生物标志物的研究仅限于单个中心.

研究的目的:

• 开发和验证神经成像生物标志物,用于预测多中心环境中的ECT结果.
• 评估神经成像生物标志物在不同临床场所的普遍性.

主要方法:

• 收集了来自7个中心的189名患者的多式数据 (临床,sMRI,静止状态fMRI) (全球ECT-MRI研究合作 - GEMRIC).
• 使用支持矢量机器分类器来预测治疗缓解 (HAM-D 分数 ≤7).
• 评估使用数据模式组合的预测性能.

主要成果:

• 灰色物质体积和功能连接的组合在来自三个最大中心 (N=109) 的数据上实现了高预测性能 (AUC 0.82-0.83).
• 这些模型在使用离开一个站点的交叉验证进行验证时保持了可接受的性能 (AUC 0.70-0.73).
• 多模式神经成像数据表明,在各种治疗中心具有预测能力.

结论:

• 多模式神经成像数据可以可靠地预测不同中心的个人患者从ECT中缓解.
• 尽管临床特征存在差异,但这些生物标志物对一般化有希望.
• 利用这些生物标志物的临床决策支持工具可能是指导ECT治疗的可行的.