后位α衰老网络与venlafaxine和rTMS的抗抑郁作用有差异性相关

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 遗传学 是一个遗传学.

背景情况:

• 大型抑郁症 (MDD) 治疗缓解率随着尝试失败而下降,需要早期个性化治疗选择.
• 目前对MDD治疗结果的预测方法有限,这凸显了对新生物标志物的需求.

研究的目的:

• 通过使用多基因分数 (PGS) 信息化的方法,识别基于脑电图 (EEG) 的主要抑郁症 (MDD) 治疗结果的预测因素.
• 验证已识别的EEG网络对心理药物治疗和重复性跨磁刺激 (rTMS) 加上心理治疗 (PT) 的预测能力.

主要方法:

• 脑电图独立组件分析 (ICA) 从大量精神病患者队列中产生了54个功能性脑网络 (n=4,045).
• 选择了一个与抗抑郁药响应 (PRS-AR) 多基因风险评分相关的后端α网络.
• 在独立的数据集上进行了转化分析和样本外验证,以评估venlafaxine和rTMS + PT的预测准确性.

主要成果:

• 选择的后部α网络预测了温拉法辛缓解 (p=0.015) 的正常化阳性预测值 (nPPV) 为138%.
• 该网络显示男性和女性的rTMS + PT结果的差异预测 (p=0.002,p=0.018),nPPV为131%.
• 样本外验证证实了文拉法辛的预测,但未能复制rTMS + PT发现.

结论:

• 与PRS-AR相关的与年龄相关的后方αEEG网络显示出作为MDD治疗反应,特别是venlafaxine治疗反应的预测因素的潜力.
• 需要进一步的研究来完善这个网络对不同治疗方式和患者子组的预测效用.
• 这种基于EEG的,以PGS为基础的方法可能有助于精神病学中个性化医疗策略.