新闻Release

2020年2月10日,星期一

神经信号识别可能对抗抑郁药有反应的人

NIH资助的研究使用机器学习算法来预测个体治疗反应。

研究人员发现了一种神经信号,可以预测患有抑郁症的人是否可能会从舍曲林(一种常用的抗抑郁药)中受益。研究结果发表于 自然生物技术表示新的机器学习技术可以识别人脑活动中与有意义的临床结果相关的复杂模式。这项研究是由美国国立卫生研究院(National Institutes of Health)的国家精神卫生研究所(NIMH)资助的。

“如今,精神病学非常需要能够为治疗提供信息并超越我们诊断系统某些局限性的客观测试。我们的发现令人兴奋,因为它们反映了朝着这一临床目标取得的进展,也表明了将复杂的数据分析方法引入精神病学的潜力。” 阿米特·埃特金(Amit Etkin),医学博士是斯坦福大学的精神病学和行为科学教授,也是加利福尼亚州洛斯阿尔托斯市Alto Neuroscience的首席执行官。

重度抑郁症是最常见的精神障碍之一, 2017年影响了美国约7%的成年人,但是所遇到的症状可能因人而异。虽然有些人可能会经历许多特征,包括持续的悲伤情绪,绝望感,愉悦感和精力下降,但其他人可能只经历少数。有几种基于证据的治疗抑郁症的方法,但是确定哪种治疗方法最适合特定的人可能是一个反复试验的问题。

先前的研究表明,通过静息状态脑电图(EEG)来测量大脑活动的特定组成部分,可以深入了解人们对某些疗法的反应。但是,研究人员尚未开发出可以区分抗抑郁药反应与安慰剂反应的预测模型,也可以预测单个患者的预后。这两个功能对于神经签名具有临床相关性都是必不可少的。

埃特金(Etkin),共同资深作家 Madhukar H.Trivedi,医学博士是达拉斯德克萨斯大学西南医学中心的精神病学教授,也是加州斯坦福大学讲师的第一作者魏武博士,他从神经科学,临床科学和生物工程学中汲取了见识,以构建先进的预测模型。研究人员开发了一种新的专门用于分析EEG数据的机器学习算法,称为SELSER(稀疏EEG潜在SpacE回归)。他们假设该算法可能能够确定抗抑郁治疗反应的可靠可靠的神经信号。

研究人员使用SELSER分析了NIMH资助的数据 在临床护理(EMBARC)研究中建立抗抑郁反应的调节剂和生物特征,这是抗抑郁药物舍曲林(一种广泛使用的选择性5-羟色胺再摄取抑制剂(SSRI))的大型随机临床试验。作为研究的一部分,抑郁症参与者被随机分配接受舍曲林或安慰剂治疗八周。研究人员将SELSER应用于参与者的治疗前脑电图数据,检查机器学习技术是否可以产生预测参与者治疗后抑郁症状的模型。

SELSER能够根据参与者睁开眼睛时记录的一种特定类型的大脑信号(称为alpha波)可靠地预测患者对舍曲林的反应。这种基于EEG的模型优于使用EEG数据或其他类型的个人级别数据(例如症状严重性和人口统计学特征)的常规模型。使用几种补充方法对独立数据集进行的分析表明,SELSER所做的预测可能会扩展到舍曲林反应以外的更广泛的临床结果。

在一个独立的数据集中,研究人员发现,基于EEG的SELSER模型与那些对两种或更多种药物没有反应的参与者相比,对至少一种抗抑郁药物显示部分反应的参与者预示了更大的改善临床结果。另一个独立的数据集表明,SELSER预测的受试者对舍曲林的治疗效果几乎没有改善,他们更有可能对涉及一种称为经颅磁刺激(结合心理治疗)的特定类型的非侵入性脑刺激的治疗产生反应。

现在正在开展工作,以进一步在大型独立样本中复制这些发现,以确定SELSER作为诊断工具的价值。根据Etkin,Trivedi,Wu和同事的说法,本研究强调了机器学习在推进个性化抑郁症治疗方法方面的潜力。

“尽管在我们的研究结果准备用于常规临床用途之前还需要进行大量工作,但脑电图是一种低成本且易于使用的工具,这一事实使得在短期内从研究到临床实践的转变更为可能。我希望我们的发现是该领域对于机器学习和客观测试的影响的转折点。” Etkin总结道。

临床试验:  NCT01407094

补助金: MH092221, MH092250, MH103324, MH116506

关于国家心理健康研究所(NIMH): NIMH的任务是通过基础和临床研究来转变对精神疾病的理解和治疗,为预防,康复和治愈铺平道路。有关更多信息,请访问 镍氢电池网站.

关于国立卫生研究院(NIH): 美国国立卫生研究院(NIH)是美国的医学研究机构,包括27个研究所和中心,并且是美国卫生与公共服务部的一部分。 NIH是进行和支持基础,临床和转化医学研究的主要联邦机构,并且正在调查常见和罕见疾病的病因,治疗方法和治愈方法。有关NIH及其计划的更多信息,请访问 www.nih.gov.

NIH…将发现转化为健康®

参考

Wu,W.,Zhang,Y.,Jiang,J.,Lucas,M.V.,Fonzo,G.A.,Rolle,C.E.,…Etkin,A.(2020年)。脑电图定义的严重抑郁症中抗抑郁药反应性脑签名。 自然生物技术。 doi:10.1038 / s41587-019-0397-3

###