从fMRI预测青少年和年轻成年人患有重度抑郁症的治疗反应,使用图形异态网络
Jia Duan1, Yueying Li2, Xiaotong Zhang2
1Department of Mental Health, School of Public Health, Nanjing Medical University, Nanjing, China.
NeuroImage. Clinical
|November 8, 2023
概括
图形同型网络 (GIN) 准确地预测了患有重大抑郁症 (MDE) 的青少年的治疗反应. 这种深度学习方法识别了个性化干预的关键大脑区域,改善了非响应者的结果.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 大型抑郁症发作 (MDE) 影响青少年和年轻人,其中30-40%的人对初始治疗没有反应.
- 预测治疗反应和识别生物标志物对于有效的MDE管理至关重要.
- 深度学习,特别是图形同态网络 (GIN),在分析治疗预测的脑连接方面表现有前途.
研究的目的:
- 利用GIN预测MDE的青少年和年轻成年人的个人治疗反应.
- 确定大脑区域对于预测MDE患者治疗反应至关重要.
- 探索GIN在为MDE提供个性化治疗策略方面的潜力.
主要方法:
- 应用图形同型网络 (GIN) 用于预测诊断为MDE的198名青少年和年轻成年人的治疗反应.
- 分析了基线功能性大脑连接数据,以确定预测模式.
- 确定了与治疗反应相关的最具歧视性的大脑区域.
主要成果:
- 在预测治疗反应方面,GIN模型实现了74.24%的整体准确性.
- GIN成功预测了79.8%的响应者和67.4%的非响应者.
- 发现的关键区分大脑区域主要位于近和皮层下区域内.
结论:
- GIN显示了预测MDE患者个体治疗反应的显著潜力.
- 这些发现表明,GIN可以为患有MDE的青少年和年轻人提供个性化治疗决策.
- 准准皮和皮下区域可以提高治疗结果,并为MDE个性化干预措施.
