预测临床反应的跨磁刺激治疗主要抑郁障碍使用超维计算的治疗

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.
• 人工智能的人工智能

背景情况:

• 认知控制缺陷在严重抑郁症 (MDD) 中很常见.
• 跨磁刺激 (TMS) 的精确机制及其对MDD认知控制的影响仍然不清楚.
• 了解TMS疗效对于改善治疗结果至关重要.

研究的目的:

• 研究认知变量对MDD患者对TMS临床反应的预测能力.
• 评估超维计算 (HDC) 在分类TMS治疗结果中的有效性.
• 将HDC与支持矢量机器 (SVM) 进行比较,以预测治疗反应.

主要方法:

• 在为期八周的TMS治疗期间,利用了22名MDD受试者的34个认知变量.
• 采用超维计算 (HDC),一种新的大脑启发的计算范式,用于分类.
• 通过使用SelectKBest.Best实现了一个主题的交叉验证 (LOSOCV) 和特征选择.
• 使用精度,灵敏度,特异性和曲线下的面积 (AUC) 评估性能.

主要成果:

• 尽管SVM的精度更高,但HDC的AUC达到0.82,超过SVM的0.07.
• 通过SelectKBest功能选择,实现了HDC和SVM的最佳分类性能.
• "ws_MedRT" (Websurf任务的中位数) 功能显示了响应者和非响应者之间的明显区别.

结论:

• 超维计算 (HDC) 显示了预测MDD中TMS的临床反应的显著潜力.
• 特性选择对于提高分类模型在预测TMS有效性方面的性能至关重要.
• 这些发现表明,HDC是个性化治疗策略在精神疾病的宝贵工具.