为减肥成功的神经通路:可解释的AI揭示了传统的fMRI方法可能错过了什么
Adrian Falkowski1, Magdalena Szwed2, Johanna Seitz-Holland3
1Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toruń, Poland.
Diabetes, obesity & metabolism
|August 29, 2025
概括
通过人工智能和fMRI分析的手术前大脑功能预测了代谢 - 减肥手术 (MBS) 的成功. 这种神经准备涉及整体感知和社会认知,
科学领域:
- 神经科学
- 医学成像
- 人工智能
背景情况:
- 代谢减肥手术 (MBS) 是一种关键的肥胖治疗方法,但15-30%的患者没有达到预期的结果.
- 目前预测MBS成功的指标有限.
- 在手术前大脑功能的个体差异可能会影响MBS的长期成功.
研究的目的:
- 确定预测MBS后成功减肥的神经模式.
- 研究手术前大脑功能的作用.
- 探索机器学习和fMRI在预测手术成功方面的实用性.
主要方法:
- 在MBS之前收集了45名患者的休息状态fMRI数据.
- 使用常规分析和机器学习方法 (多层感知器) 对功能连接,大脑活动和临床数据.
- 应用夏普利添加剂解释 (SHAP) 进行模型解释.
主要成果:
- 传统的方法是不够的.
- 仅使用功能连接的多层感知子模型实现了0.85的AUC.
- SHAP分析确定了与成功相关的中后环,后侧前额皮质和角环的关键电路.
结论:
- 通过人工智能驱动的fMRI揭示了传统方法所忽略的微妙神经模式.
- 术前的神经模式, 包括整体感受和社会认知过程, 对于MBS的成功至关重要.
- 对MBS的"神经准备"可能不仅涉及自我调节电路.
