使用深度学习和预治疗EEG来预测对塞特拉林,布洛普和安慰剂的反应
Marman Ravan1, Amin Noroozi2, Harshil Gediya3
1Department of Electrical and Computer Engineering, New York Institute of Technology, New York, NY, USA.
概括
脑电图 (EEG) 连接模式可以预测抗抑郁药物反应. 一个卷积神经网络 (CNN) 在对谢特拉林,布洛普和安慰剂反应者的分类方面取得了高准确性,提供了潜在的临床工具.
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.
背景情况:
- 在重大抑郁症 (MDD) 中预测抗抑郁药反应在临床上具有挑战性.
- 现有的方法缺乏精度,需要新的预测方法.
研究的目的:
- 开发一种基于脑电图 (EEG) 的抗抑郁药治疗反应预测模型.
- 为了利用EMBARC研究数据库进行稳健的模型开发.
主要方法:
- 利用了接受塞特拉林,安慰剂或布洛普的MDD患者的治疗前EEG数据.
- 应用了强大的精确低分辨率电磁断层扫描 (ReLORETA) 来定位大脑源.
- 使用符号转移 (STE) 计算区域间的连接性.
- 训练了一个卷积神经网络 (CNN) 来分类治疗响应者.
主要成果:
- 获得了高分类准确率:塞特拉林的91.0%,安慰剂的95.4%,布罗的86.8%.
- 确定了关键的预测特征,包括前带带皮质,上叶片和轨道前皮质之间的EEG连接,跨阿尔法,β和马频率.
结论:
- 美国有线电视新闻网对治疗前EEG连接的分析准确地预测了抗抑郁药的反应.
- 这种基于EEG的方法为个性化MDD治疗和药物研究提供了一个潜在的可访问和具有成本效益的工具.
