休息皮质活动的复杂性预测神经生理学反应的theta爆刺激,但未能概括:一个严格的机器学习方法
Matthew Ning1, Haoqi Sun1, Brice Passera1
1Beth Israel Deaconess Medical Center.
Research square
|October 3, 2025
概括
预测大脑对间歇性甲型突发刺激 (iTBS) 的反应是具有挑战性的,因为个体的变化. 静态EEG复杂性显示了一些预测能力,但单一会话的iTBS效应是不稳定的,限制了模型的概括性.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 神经调节是一种神经调节.
背景情况:
- 对间歇性甲爆刺激 (iTBS) 的个体反应有显著的差异,阻碍了临床应用.
- 对这种变化的神经生理学预测因素的了解很少.
- 以前的机器学习研究经常使用有限的功能,缺乏独立验证.
研究的目的:
- 通过静止状态EEG和TMS引起的测量来确定iTBS反应的神经生理预测因素.
- 评估机器学习模型在预测神经生理结果方面的可通用性.
- 调查测试-重新测试可变性对预测模型性能的影响.
主要方法:
- 静止状态EEG (rsEEG) 和iTBS反应的统计和可靠性分析.
- 监督的机器学习模型整合了rsEEG特征,运动唤起的潜能 (MEP) 和TMS唤起的潜能 (TEP).
- 在两个独立的研究中,通过主要运动皮层对iTBS的神经生理反应的预测.
主要成果:
- 内部交叉验证达到81%的准确性,确定rsEEG多尺度作为TEP变化的预测 (100-131ms).
- 外部验证准确度降至69%,表明不稳定的预测因素与结果关系.
- 观察到 iTBS 影响的高个体内和个体间变异性.
结论:
- 脑电图复杂度测量为神经调节的基线大脑状态提供了部分洞察力.
- 单个会话iTBS效应的不稳定性限制了模型的通用性.
- 测试-重新测试范式对于准确的性能估计至关重要;未来的研究需要多次会议协议.
