从基线fMRI功能连接性预测西治疗抑郁症的结果
Débora Copa1, David Erritzoe2, Bruna Giribaldi2
1Universidad de Buenos Aires, Facultad de Ingeniería, Instituto de Bioingeniería, Buenos Aires, Argentina.
Journal of affective disorders
|February 29, 2024
概括
使用基线大脑连接数据,可以预测用西治疗抑郁症的治疗结果. 机器学习确定了特定的大脑网络,预测患者对西治疗的反应.
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.
- 机器学习 机器学习
背景情况:
- 一种迷幻化合物psilocybin正在研究治疗抑郁症.
- 对西治疗的个体反应各不相同,因此需要预测结果的方法.
- 基线数据可能是预测治疗成功的关键.
研究的目的:
- 调查基线静止状态功能连接是否预测抑郁症西治疗中的治疗结果.
- 评估这些预测在不同研究群体和治疗设计中的通用性.
主要方法:
- 一个机器学习管道分析了两个患者队伍的功能磁共振成像 (fMRI) 数据.
- 一个队列接受了治疗耐药抑郁症的单疗法psilocybin.
- 第二组对比了psilocybin与escitalopram用于严重抑郁症.
主要成果:
- 视觉,默认模式和执行网络中的连接预测了早期症状的改善.
- Salience 网络连接预测持续响应长达 24 周 (准确度 ~ 0.9).
- 额头骨和额头骨合与早期和晚期症状减轻相关.
结论:
- 基线神经生理学标志物,特别是功能性大脑连接,可以预测西治疗抑郁症的结果.
- 需要对更大的数据集进行进一步的研究,以确认可概括性.
- 这些发现支持了个性化西治疗方法的潜力.
