预测使用机器学习在下肢运动皮层中对达突发刺激的个人间反应

科学领域:

• 神经科学是一个神经科学.
• 神经调节是一种神经调节.
• 机器学习在医学中的应用

背景情况:

• 甲爆刺激 (TBS) 对于诱导神经可塑性在神经疾病治疗中至关重要.
• 在初级运动皮质中TBS诱导的突触可塑性的变化限制了临床使用.
• 预测建模需要探索影响TBS变异性的因素.

研究的目的:

• 确定预测下肢运动皮层中TBS诱导的突触可塑性变化的因素.
• 应用机器学习来发现新的预测因素.
• 为了比较间歇性 (iTBS) 和连续性 (cTBS) TBS 的预测指标.

主要方法:

• 使用了之前的数据集 (Katagiri等人, 2020).
• 采用机器学习算法来分析神经生理因素.
• 使用AUC,准确性,精度,回忆和F1分数等指标验证的预测模型.

主要成果:

• 机器学习模型实现了显著的预测性能 (iTBS的AUC为0.85,cTBS为0.69).
• 确定了关键预测因素:iTBS的电机唤起的潜在振幅和cTBS的皮质内促进.
• 模型表现出 iTBS 和 cTBS 的准确性,精度,回忆和 F1 评分都很好.

结论:

• 基线神经生理因素可以预测TBS效应的变化.
• 机器学习增强了对突触可塑性非线性变化的理解.
• 结果为临床环境中个性化TBS应用提供了洞察力.