大型抑郁症患者的常见和差异性EEG微态,对rTMS治疗有或没有反应
Zongya Zhao1, Xiangying Ran2, Junming Wang2
1School of Medical Engineering, School of Mathematical Medicine, Xinxiang Medical University, Xinxiang, People's Republic of China; The Second Affiliated Hospital of Xinxiang Medical University, Henan Collaborative Innovation Center of Prevention and Treatment of Mental Disorder, People's Republic of China; Engineering Technology Research Center of Neurosense and Control of Henan Province, Xinxiang, People's Republic of China; Henan International Joint Laboratory of Neural Information Analysis and Drug Intelligent Design, Xinxiang, People's Republic of China; Henan Engineering Research Center of Medical VR Intelligent Sensing Feedback, Xinxiang, People's Republic of China; Henan Engineering Research Center of Physical Diagnostics and Treatment Technology for the Mental and Neurological Diseases, People's Republic of China.
在严重抑郁症 (MDD) 中,重复性横磁刺激 (rTMS) 反应可以使用基线脑电图 (EEG) 微态分析来预测. 特定的EEG微态模式,特别是D和E微态,将响应者与非响应者区分开来,使得个性化治疗选择成为可能.
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.
- 计算神经科学是一种神经科学.
背景情况:
- 重复性横磁性刺激 (rTMS) 是一种针对主要抑郁症 (MDD) 的新疗法.
- 患者对rTMS的反应差异很大,因此需要方法来预测治疗结果.
- 响应者和不响应者之间的基线神经成像差异对于理解治疗变异性至关重要.
研究的目的:
- 在MDD患者中调查rTMS响应者和非响应者之间的基线神经成像差异.
- 使用基线脑电图 (EEG) 微态数据预测rTMS治疗结果.
- 确定在MDD中对rTMS治疗反应的潜在生物标志物.
主要方法:
- 收集了74名rTMS响应者,43名无响应者和47名健康对照者的静止状态EEG和贝克抑郁 inventory (BDI) 数据.
- 应用了EEG微态分析,以确定响应者和非响应者之间的共同和差异性微态特征.
- 利用四个机器学习模型 (包括AdaBoost) 来根据微状态时间参数对响应者和非响应者进行分类.
主要成果:
- 在响应者,非响应者和健康对照者之间观察到EEG微态特征的显著差异.
- 与非响应者相比,响应者表现出不同的微状态D和E参数,微状态D参数与BDI减少相关.
- 通过使用基线EEG微态特征,AdaBoost模型实现了对rTMS治疗反应的高预测准确性 (97.35%).
结论:
- 在MDD患者中,rTMS响应者和不响应者之间的基线EEG微态差异显著.
- 基线EEG中的微态D和E显示出作为预测rTMS治疗结果的生物标志物的潜力.
- 这些发现可以帮助优化rTMS治疗选择,减少MDD治疗中的试错方法.
