基于大脑的图形理论预测建模,从人类功能连接组绘制出无情感,冲动性和催眠症的轨迹

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.
• 图形理论 图形理论

背景情况:

• 临床评估难以区分单极性抑郁症和双极性抑郁症.
• 鉴定未来 (低) 躁狂发作风险的个体仍然是一个挑战.
• 目前的方法在预测情绪障碍轨迹方面缺乏准确性.

研究的目的:

• 开发和验证基于大脑的图形理论预测模型 (GPM) 来预测情绪障碍症状.
• 为了前地绘制无情,冲动和 (低) 躁狂的症状.
• 评估GPM的预测性能与既定方法及其通用性相比.

主要方法:

• 使用休息状态和强化学习 (RL) fMRI任务的功能连接组开发了一个GPM.
• 应用GPM用于横截面和6个月前性症状预测 (无情,冲动性, (低) 躁狂).
• 将GPM性能与零模型和基于连接组的预测建模 (CPM) 进行比较,包括外部验证.

主要成果:

• 从RL任务的全球效率和从左前带带皮层的静止状态中心性的冲动性来预测GPM的横截面.
• 从前景来看,GPM预测了从RL任务中预测的 (低) 躁狂症状:左侧核的局部效率和左侧尾状核的静止状态中心性.
• GPM表现出优于CPM的预测性能,并成功预测了单极和双极障碍群体的症状,并得到了验证的概括性.

结论:

• 大脑网络的效率和奖励回路中的区域中心性预测了主要情绪障碍症状.
• GPM提供了一种新的,数据驱动的方法,用于在情绪障碍中进行个人级临床预测.
• 这种模型具有更早,更准确的诊断和治疗计划的潜力.