一个深度学习衍生的跨诊断签名,索引低兴奋和冲动控制:对精神疾病治疗预测的影响
Hannah Meijs1, Jurjen J Luykx1, Nikita van der Vinne2
1Research Institute Brainclinics, Brainclinics Foundation, Nijmegen, the Netherlands; Department of Cognitive Neuroscience, Faculty of Psychology and Neuroscience, Maastricht University, Maastricht, the Netherlands.
Biological psychiatry. Cognitive neuroscience and neuroimaging
|August 14, 2024
概括
研究领域标准 (RDoC) 确定了一种与冲动控制和睡眠问题相关的脑波模式. 这种生物标志物可能有助于诊断和预测精神疾病治疗反应.
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.
- 计算生物学 计算生物学
背景情况:
- 传统的精神病学诊断类别具有局限性.
- 研究领域标准 (RDoC) 提供了一种对精神疾病的维度方法.
- RDoC的目标是通过神经生物学和行为系统来了解精神疾病.
研究的目的:
- 为了调查脑电图前β活性作为一个跨诊断生物标志物.
- 评估其在诊断和预测冲动控制和睡眠问题的潜力.
主要方法:
- 利用深度学习算法在脑电图 (EEG) 数据中分类过度β螺旋.
- 分析了来自三个独立数据集的EEG数据 (总N=4623).
- 检查了Brainmarker-III (贝塔功率和过度贝塔概率) 与诊断和治疗结果相关.
主要成果:
- 过度的贝塔概率与睡眠维持不良和低冲动控制相关.
- 脑标志物-III与注意力缺陷/多动障碍 (ADHD) 诊断相关.
- 脑标志物-III预测了多动症儿童对甲基酸的治疗反应,以及患有严重抑郁症的成人对抗抑郁药的治疗反应.
结论:
- 研究领域标准 (RDoC) 方法有助于在精神病学中发现生物标志物.
- 基于EEG的生物标志物显示出诊断和治疗预测的潜力.
- 结果支持RDoC在推进精神病学研究和临床应用中的实用性.
