通过局部-全球图形神经网络和神经成像生物标志物预测抗抑郁药物反应
Rui Liu1,2, Ximan Hou1,2, Shuyu Liu3
1Beijing Key Laboratory of Mental Disorders, National Clinical Research Center for Mental Disorders & National Center for Mental Disorders, Beijing Anding Hospital, Capital Medical University, Beijing, China.
NPJ digital medicine
|August 12, 2025
概括
一个新的图形神经网络模型使用脑成像和临床数据准确预测主要抑郁症 (MDD) 缓解. 这种方法有助于识别可能对抗抑郁药治疗有反应的患者,改善治疗结果.
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.
- 人工智能的人工智能
背景情况:
- 大型抑郁症 (MDD) 的核心症状包括抑郁情绪和无情感,与奖励和情绪调节电路功能障碍有关.
- 在MDD中预测治疗缓解仍然是一个挑战,需要整合神经生物学和临床数据的新方法.
研究的目的:
- 开发和验证MDD患者抗抑郁药治疗缓解的预测模型.
- 确定关键的神经电路和预测治疗反应的临床特征.
主要方法:
- 构建了一个分层的局部-全球成像和临床特征融合图形神经网络模型.
- 分析了279名以前没有接受过治疗的MDD患者,他们接受了8-12周的选择性血清素再吸收抑制剂治疗.
- 该模型在内部和外部独立数据集上进行了训练和验证.
主要成果:
- 该模型在训练组中预测缓解的准确率为76.21% (AUC=0.78).
- 独立验证数据集显示了类似的性能 (精度=72.73%,AUC=0.74和精度=71.43%,AUC=0.72).
- 关键的预测性大脑区域包括右球,双侧门,左海马,双侧丘脑和双侧前带带带.
结论:
- 开发的图形神经网络模型在预测MDD缓解方面表现出强大的准确性.
- 神经电路和临床特征可以有效地指导个性化的抗抑郁药物治疗策略.
- 这些发现强调了特定大脑回路在重大抑郁症治疗反应中的作用.
