数字双胞胎大脑:从连接器生成多任务行为,用于个性化治疗

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.
• 数字双胞胎是一个数字双胞胎.

背景情况:

• 个性化精神病学需要数字双胞胎模型来预测来自个体神经生物学的各种功能.
• 目前的模型在将大脑结构连接到复杂的多任务行为方面面临挑战,这限制了临床应用.

研究的目的:

• 引入和验证一个数字双胞胎大脑框架.
• 为了将个体大脑连接体转化为神经行为动态的预测.
• 为了实现个性化的功能调制和干预.

主要方法:

• 一个新的2组件架构:一个超级网络,使用个人的连接组来个性化主网络.
• 一个循环神经网络模拟参与者特定的行为和血液氧气水平依赖 (BOLD) 时间序列.
• 梯度反向传播识别了用于目标功能调制的连接组操纵.

主要成果:

• 该模型在预测行为选择方面实现了>90%的准确性,以及对反应时间 (r > 0.85) 和BOLD模式 (r = 0.84) 的高准确性.
• 在形干预成功调节了目标功能.
• 该框架复制了基于基线连接人群的治疗效果的现实的个人间变异性.

结论:

• 数字双胞胎大脑系统有助于对复杂的神经行为功能进行高准确度的形预测.
• 它使这些功能的个性化调节成为可能,促进了个性化的精神病治疗.
• 这种方法将大脑连接体直接与行为联系起来,为干预设计创造了一个机械化的平台.