在主要抑郁症中使用传统和优化的HD-tDCS进行功能性大脑网络调制:机器学习预测治疗反应的预测

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.
• 医疗器械 医疗器械

背景情况:

• 重度抑郁症 (MDD) 是一种广泛和衰弱的疾病,对许多人来说,治疗效果有限.
• 超直流刺激 (tDCS) 是一种具有情绪改善潜力的非侵入性脑刺激技术.
• 高清tDCS (HD-tDCS) 与传统tDCS相比,提供了更有针对性的脑刺激.

研究的目的:

• 为了比较优化的4mA HD-tDCS与传统的2mA tDCS和假刺激在减少MDD症状方面的疗效.
• 研究这些刺激方案对MDD患者功能性大脑连接的影响.
• 探索与治疗反应相关的神经生理变化.

主要方法:

• 分析了60名MDD患者的休息状态EEG数据,这些患者在6周内接受了30次传统tDCS,优化HD-tDCS或假刺激.
• 功能连接指标被计算并与刺激组之间以及61个健康对照的参考数据集进行了比较.
• 使用机器学习模型,根据神经生理学数据预测治疗反应.

主要成果:

• 与健康对照组相比,MDD患者在基线表现出功能连接性降低.
• 两种活跃的tDCS协议都导致响应者之间的连接指标显著增加,与症状改善相关.
• 优化的HD-tDCS导致了比传统的tDCS和假条件更大的连接效果和更高的后处理连接.
• 机器学习准确地预测了治疗反应 (81%的准确性).

结论:

• 优化的HD-tDCS在改善MDD患者的临床症状和功能性大脑连接方面表现出卓越的疗效.
• 对于重度抑郁症,HD-tDCS是一种潜在的更有效的治疗策略.
• 该研究强调了MDD中tDCS治疗反应的神经生理基础.