根据 2 月 10 日在线发表在《自然生物技术》( Nature Biotechnology) 上的一项研究，针对静息态脑电图 (rsEEG) 量身定制的潜在空间机器学习算法可以预测抑郁症舍曲林的治疗结果。
来自广州华南理工大学的 Wei Wu 博士及其同事设计了一种为 rsEEG 量身定制的潜在空间机器学习算法，并将其应用于抑郁症的抗抑郁治疗预测研究的数据，以确定对治疗有反应的神经生物学表型.
研究人员发现，以一种特定于舍曲林与安慰剂的方式预测症状变化，并且可以在研究地点和脑电图设备中推广。舍曲林预测脑电图特征推广到第二个抑郁症样本;与显示部分反应的患者相比，使用舍曲林定义的模型可以减少 EEG 预测的症状改善。在第三个独立数据集中，检查了预测签名的两个属性：收敛验证和神经生物学意义。在此示例中，rsEEG 衍生的结果预测索引了前额神经反应性，如通过并发经颅磁刺激 (TMS) 测量的那样。rsEEG 预测的舍曲林症状改善越小，
“这些发现在个体水平的神经生物学中奠定了治疗反应表型在更广泛的抑郁症临床诊断及其相关生物异质性中被掩盖的基础，并为机器学习驱动的抑郁症个性化治疗方法铺平了道路，”作者写道。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！