结果预测模型部分使用来自国家心理健康研究所资助的大型多中心研究数据开发，并发表在生物精神病学杂志上。这些发现提供了强有力的证据，表明目前临床实践中用于选择正确抗抑郁药的试错法可以被这种新的精准医学方法所取代。
“这是一个重大的进步。它是非侵入性的。它可以而且应该立即使用，”临床精神病学教授、抑郁症研究和临床护理中心主任、小彼得奥唐奈脑研究所的支柱之一Madhukar Trivedi 医学博士说。
Trivedi 博士说，新的生物标志物可以让患有严重抑郁症的患者避免两到三个月服用错误的药物。长时间的严重抑郁会导致失业、婚姻失败，甚至因自杀而丧生。该研究测试了常见的抗抑郁药舍曲林，对照组服用安慰剂。八周后对舍曲林无反应的患者改用抗抑郁药安非他酮。当研究参与者在扫描仪中执行奖励任务时，研究人员测量了大脑回路反应的变化。对 300 多名参与者进行了非侵入性功能磁共振成像 (fMRI)，以评估休息和奖励任务期间大脑功能的变化。
该研究使用这些数据和新的创新来构建新的机器学习模型，告诉科学家和临床医生哪些特定的大脑区域和回路与对每种药物的治疗反应的预测相关。
“我们发现的特征对于每种抗抑郁药的反应都是独一无二的，”Albert Montillo 博士说。，Lyda Hill 生物信息学系的助理教授，他的实验室产生了 10,000 行代码，以有效地调整新的预测模型和复杂的数据清理方法，以抑制 fMRI 头部运动并达到其他实验室测试中看不到的准确度水平。
“由于人脑固有的复杂性，神经科学家通常发现大脑活动可以解释症状缓解中 15% 的差异。这将是一项重大的科学发现。百分之二十是巨大的，”蒙蒂略博士说。“在这项研究中，我们能够解释舍曲林症状缓解的 48%、安非他酮的 34% 和安慰剂的 28% 的差异。”
Trivedi 博士说，结果高度可信，因为研究使用的基础数据广泛代表了临床数据的异质性，包括来自波士顿麻省总医院、纽约哥伦比亚大学和密歇根大学的数据，以及使用深度学习模型的分析方法的严谨性。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！