由 UT Southwestern 领导的研究已经确定了 MRI 脑成像生物标志物，这些生物标志物为开出最有效的抗抑郁药的处方带来了新的精确度。
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反复试验方法可以被这种新的精准医学方法所取代。
“这是一个重大进步。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 Madhukar Trivedi 医学博士说，该中心是 Peter 的支柱之一。 O'Donnell Jr. 脑研究所。
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。该研究与服用安慰剂的对照组一起测试了常用的抗抑郁药舍曲林。八周后对舍曲林没有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，”Lyda Hill 生物信息学系助理教授 Albert Montillo 博士说，他的实验室生成了 10,000 行代码来有效地调整新的预测模型和复杂的数据清洁方法来抑制 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。
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。
该研究是深度机器学习对抗抑郁药结果预测的首批适应之一，为此，Montillo 博士开发了将原始 fMRI 数据放大十倍的方法。他的工作构建了能够可靠预测结果的模型，特别是对未用于训练模型的患者。
“与目前使用的标准预测方法相比，这是一个明显的改进，”特里维迪博士说。“我们也达到了我们的研究结果稳定的地步，可以为未来的工作提供途径。”
Montillo 博士补充说：“我们开发的分析方法可以很容易地进行调整，以识别生物标志物特征并预测其他药物治疗和非药物治疗抑郁症的结果。”
凭借非侵入性方法和大量证据，Drs. Trivedi 和 Montillo 说临床医生现在应该改用这种方法。他们将寻求额外的资金来推进这项研究，看看它是否与 Trivedi 博士开发的血液生物标志物兼容。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！