在最近的创伤幸存者中,基于PTSD发展的Connectome预测建模

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.
• 机器学习 机器学习

背景情况:

• 主观创伤后应激障碍 (PTSD) 症状与客观神经生物学标志物之间的联系很弱,阻碍了个性化治疗的发展.
• 识别PTSD早期神经预测因子对于对创伤幸存者的及时干预至关重要.

研究的目的:

• 在最近的创伤幸存者中识别与创伤后应激障碍 (PTSD) 发展相关的早期神经网络.
• 探索神经网络连接对于PTSD症状轨迹的预测能力.

主要方法:

• 一项使用创伤后疾病轨迹神经行为调节器 (NMPTDT) 纵向神经影像数据集的预后研究.
• 基于Connectome的预测建模 (CPM) 应用于功能磁共振成像 (fMRI) 数据,这些数据来自创伤后1个月的162名近期创伤幸存者.
• 在创伤后的1,6个月和14个月评估PTSD症状严重程度 (CAPS-5) 和症状集群.

主要成果:

• 在创伤后1个月 (ρ=0.18) 和14个月 (ρ=0.24) 后,CPM显著预测了PTSD严重程度,但在6个月后却没有.
• 早期的预测神经网络涉及前置默认模式,运动感官和突出网络之间的连接.
• 在不同的时间点,CPM预测了特定的症状集群,在1个月后预测避免和负面改变,在14个月后预测入侵和过度兴奋.

结论:

• 在创伤后不久的大规模神经网络的个体差异与PTSD症状在第一年的变化有关.
• 这些发现表明,CPM可以识别潜在的神经点,用于创伤幸存者的早期干预.
• 这项研究强调了神经成像和机器学习在预测和潜在地减轻PTSD发展方面的潜力.