机器学习优化的非侵入性大脑刺激和治疗应答大抑郁症的分类
Alejandro Albizu1,2, Aprinda Indahlastari1,3, Paulo Suen4
1Center for Cognitive Aging and Memory, McKnight Brain Institute, University of Florida, Gainesville, USA.
Bioelectronic medicine
|October 30, 2024
概括
个性化跨直流刺激 (tDCS) 剂量,使用个体大脑解剖学,显著提高治疗应答大抑郁症 (MDD) 的可能性. 这种精确的方法优化了tDCS的疗效,从而改善了患者的治疗结果.
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.
- 医疗工程 医疗工程
背景情况:
- 超直流刺激 (tDCS) 显示出治疗严重抑郁症 (MDD) 的前景.
- 由于影响电场分布的个体解剖学差异,tDCS的临床疗效有所不同.
- 个性化的tDCS剂量可以优化MDD的治疗结果.
研究的目的:
- 为了解决MDD中tDCS剂量变化的问题.
- 为tDCS开发个性化的神经成像衍生计算模型.
- 为了分类治疗反应,并确定关键的刺激特征,以个性化剂量.
主要方法:
- 使用了来自ELECT临床试验的16名活跃tDCS参与者的子样本.
- 基于神经成像数据生成tDCS电流的个性化计算模型.
- 采用机器学习算法来分类治疗响应者和计算精确剂量.
主要成果:
- tDCS在ELECT试验中表现出优于安慰剂的优势.
- 开发的算法在分类治疗响应者的准确度达到90%以上.
- 计算精确剂量将响应概率提高到99.981%并将剂量变异性降低了91.9%.
结论:
- 精确剂量方法优化了MDD.中tDCS治疗反应的统计概率.
- 这种方法提供了一种途径,通过考虑个体解剖变异来增强功能收益.
- 这些发现支持在精神病治疗中应用个性化tDCS剂量.
