电针调节脑电显微态动态以缓解慢性失眠:用于预测个体治疗反应的机器学习方法
Enqi Liu1, Chi Wang2,3, Xiaoqiu Wang1
1Jiangsu Province Hospital of Chinese Medicine, Affiliated Hospital of Nanjing University of Chinese Medicine, Nanjing, Jiangsu, China.
Frontiers in neurology
|March 16, 2026
概括
电针 (EA) 通过改变电脑电图 (EEG) 微态来改善慢性失眠 (CI) 症状. 基线EEG微态特征显示了预测患者对EA治疗反应的潜力.
科学领域:
- 神经科学是一个神经科学.
- 医疗信息学 医疗信息学
背景情况:
- 慢性失眠 (CI) 与被破坏的大脑网络动态有关.
- 对CI用电针 (EA) 的个体反应有很大差异.
研究的目的:
- 在CI患者中调查脑电图 (EEG) 微态特征.
- 在EA处理后分析微态参数变化.
- 探索机器学习 (ML) 模型,使用基线EEG特征预测EA治疗反应.
主要方法:
- 记录了41名CI患者和19名健康对照者的静止状态EEG.
- 分析了微观状态参数 (A-D),并比较了EA治疗前和后的4周时间.
- 利用多阶段特征选择和八个ML算法来构建预测模型,将响应定义为≥50%的PSQI减少.
主要成果:
- 与HC相比,CI患者在时间微状态指标上表现出基线差异.
- EA治疗显著改善了临床评分 (p < 0.001) 和正常化的微状态 B 时间指标.
- 机器学习模型,特别是随机森林 (RF),显示出预测治疗反应的潜力 (AUC = 0.849).
结论:
- 治疗EA可以改善CI的临床结果,并调节EEG微状态的动态.
- 基线EEG微态特征表明预测CIEA治疗反应的初步潜力.
- 对于临床应用和个性化治疗策略,需要在更大的队列中进一步验证.
