AI可以預測患者對常見抗抑郁藥的反應(yīng)

小編發(fā)現(xiàn)不少朋友對于AI可以預測患者對常見抗抑郁藥的反應(yīng)這方面的信息都比較感興趣，小編就針對AI可以預測患者對常見抗抑郁藥的反應(yīng)整理了一些相關(guān)方面的信息 在這里分享給大家。

根據(jù)JAMA Network Open上發(fā)表的新研究，機器學習可以在規(guī)劃診斷為重度抑郁癥(MDD)的患者的治療中發(fā)揮關(guān)鍵作用。

“由于抑郁癥的異質(zhì)性以及對抗抑郁藥確切作用機制的共識，使患者適應(yīng)有效治療一直是從業(yè)者的艱巨任務(wù)，”主要作者安德烈·茲達諾夫(Andrey Zhdanov)博士在英國薩里的西蒙·弗雷澤大學(Simon Fraser University)寫道。哥倫比亞大學和同事們。“目前，從業(yè)人員使用長時間的反復試驗過程來確定每位患者的最佳抗抑郁藥，患者通常要花費數(shù)月至數(shù)年的時間才能經(jīng)歷令人痛苦的癥狀。盡管可以通過臨床訪談和量表來確認癥狀的診斷和嚴重程度，但不足以為每位患者選擇合適的治療方法。”

這組作者寫道，預測患者對某些藥物的反應(yīng)方式可能會對醫(yī)療服務(wù)提供者如何治療診斷為MDD的患者產(chǎn)生巨大影響。腦電圖(EEG)記錄“通過附著在患者頭皮上的電極捕獲的信號所捕獲的信號”，它是“一種有前途的技術(shù)，可用于確定抗抑郁藥治療反應(yīng)的生物學預測因子。”

該團隊研究了來自122名成年MDD患者的基線腦電數(shù)據(jù)，這些患者已經(jīng)用10-20 mg常見的抗抑郁藥依西酞普蘭完成了八周的治療。使用機器學習模型，支持向量機，Zhdanov等。能夠鑒定出對依他普侖有反應(yīng)的患者，其估計準確度為79.2%，敏感性為67.3%，特異性為91%。

對于115名研究參與者，治療前兩周后的腦電圖數(shù)據(jù)也可用-更新后，估計的準確性提高到82.4%，敏感性提高到79.2%。同時，特異性降至85.5%。

作者寫道：“假設(shè)，將基線神經(jīng)動力學與神經(jīng)動力學的早期變化(治療2周后的變化)結(jié)合起來，可以得出最準確的預測。” “留一站式交叉驗證的結(jié)果還表明，跨多個站點匯總的數(shù)據(jù)的大規(guī)模分析對分類器的性能沒有顯著影響。”

作者還指出，通過機器學習過程確定的許多功能已經(jīng)通過其他研究得到了觀察。但是，這項研究確實揭示了以前沒有報道過的其他特征，例如半球之間神經(jīng)活動復雜性的不對稱性。

作者寫道：“發(fā)現(xiàn)新的腦電圖特征可預測治療結(jié)果，這是使用相對較大的數(shù)據(jù)樣本對大量候選指標進行系統(tǒng)評估的結(jié)果。”