مدلهای پیشبینی پیامد تا حدی با استفاده از دادههای یک مطالعه چند مرکزی بزرگ با بودجه موسسه ملی سلامت روان توسعه داده شد و در مجله منتشر شد. روانپزشکی زیستی. یافتهها شواهد قوی ارائه میدهند که رویکرد آزمایش و خطای فعلی که در عمل بالینی برای انتخاب داروی ضد افسردگی مناسب استفاده میشود، میتواند با این رویکرد پزشکی دقیق جدید جایگزین شود.
مادوکار تریودی، پروفسور روانپزشکی بالینی و مدیر مرکز تحقیقات افسردگی و مراقبت های بالینی، یکی از ستون های پیتر، گفت: “این یک پیشرفت قابل توجه است. غیر تهاجمی است. می تواند و باید فورا مورد استفاده قرار گیرد.” موسسه مغز O’Donnell Jr.
دکتر تریودی گفت که نشانگرهای زیستی جدید می توانند بیماران مبتلا به افسردگی شدید را دو تا سه ماه از مصرف داروهای اشتباه در امان نگه دارند. افسردگی شدید در طول این مدت می تواند منجر به از دست دادن شغل، از دست دادن ازدواج و حتی از دست دادن زندگی به خودکشی شود. این مطالعه داروی رایج ضد افسردگی سرترالین را با گروه کنترلی که دارونما مصرف می کردند، آزمایش کرد. بیمارانی که پس از هشت هفته به سرترالین پاسخ ندادند، به داروی ضد افسردگی بوپروپیون تغییر یافتند. محققان تغییرات در واکنشهای مدار مغز را اندازهگیری کردند، در حالی که شرکتکنندگان در مطالعه یک وظیفه پاداش را در اسکنر انجام میدادند. تصویربرداری رزونانس مغناطیسی غیر تهاجمی (fMRI) در بیش از 300 شرکتکننده برای ارزیابی تغییرات در عملکرد مغز در حالت استراحت و همچنین در طول کار پاداش انجام شد.
این مطالعه از دادهها و نوآوریهای جدید برای ساخت مدلهای یادگیری ماشینی جدید استفاده کرد که به دانشمندان و پزشکان میگوید کدام مناطق و مدارهای مغزی خاص با پیشبینی پاسخ درمانی به هر دارو مرتبط هستند.
دکتر آلبرت مونتیلو، استادیار دپارتمان بیوانفورماتیک لیدا هیل، که آزمایشگاه او 10000 خط کد را برای تنظیم موثر مدلهای پیشبینیکننده جدید و دادههای پیچیده تولید کرد، گفت: «امضاهایی که ما پیدا کردیم برای پاسخ هر یک از داروهای ضد افسردگی منحصر به فرد است. روشهای تمیز کردن برای سرکوب حرکت سر fMRI و دستیابی به سطوحی از دقت که در آزمایشهای دیگر آزمایشگاهها دیده نشده است.
دکتر مونتیلو گفت: “با توجه به پیچیدگی ذاتی مغز انسان، دانشمندان علوم اعصاب معمولاً متوجه می شوند که فعالیت مغز می تواند 15 درصد از واریانس در تسکین علائم را توضیح دهد. این یک یافته علمی قابل توجه است. 20 درصد بسیار بزرگ است.” در این مطالعه، ما میتوانیم 48 درصد از واریانس را در کاهش علائم سرترالین، 34 درصد برای بوپروپیون و 28 درصد را برای دارونما توضیح دهیم.
دکتر تریودی گفت که نتایج بسیار معتبر هستند، زیرا دادههای اساسی مورد استفاده در تحقیق به طور گسترده نشان دهنده ناهمگونی دادههای بالینی است، از جمله دادههای بیمارستان عمومی ماساچوست در بوستون، دانشگاه کلمبیا در نیویورک و دانشگاه میشیگان، و همچنین دقت رویکرد تحلیلی با استفاده از مدلهای یادگیری عمیق
این مطالعه یکی از اولین انطباقهای یادگیری ماشینی عمیق برای پیشبینی نتیجه ضد افسردگی است که برای آن دکتر مونتیلو روشهایی را برای تقویت دادههای اصلی fMRI ده برابر توسعه داد. کار او مدل هایی ساخت که به طور قابل اعتمادی نتایج را پیش بینی می کنند، به ویژه در مورد بیمارانی که برای آموزش مدل ها استفاده نشده بودند.
دکتر تریودی گفت: “این یک پیشرفت واضح از رویکردهای پیش بینی استانداردی است که در حال حاضر استفاده می شود.” ما همچنین به نقطهای رسیدهایم که یافتههای ما پایدار است و میتواند مسیری برای کارهای آینده فراهم کند.»
دکتر مونتیلو افزود: «رویکرد تحلیلی که ما ایجاد کردهایم میتواند به آسانی برای شناسایی نشانههای زیستی و پیشبینی نتایج سایر درمانهای افسردگی، چه دارویی و چه غیردارویی، سازگار شود.»
با یک رویکرد غیرتهاجمی و شواهد فراوان، دکتر. تریودی و مونتیلو گفتند که پزشکان باید اکنون به این رویکرد روی آورند. آنها به دنبال بودجه اضافی برای پیشبرد تحقیقات خواهند بود و ببینند آیا با نشانگرهای زیستی خونی که دکتر تریودی توسعه داده است، سازگار است یا خیر.
هوش مصنوعی به دانشمندان کمک می کند تا پیامدهای افسردگی را پیش بینی کنند
کوین پی. نگوین و همکاران، الگوهای پاداش قبل از درمان، فعالیت مغزی، پیشبینی پاسخ فردی ضد افسردگی: نتایج کلیدی از کارآزمایی بالینی تصادفیسازی شده EMBARC، روانپزشکی زیستی (2021). DOI: 10.1016/j.biopsych.2021.09.011
ارائه شده توسط مرکز پزشکی UT Southwestern
نقل قول: تحقیقات نشانگرهای زیستی تصویربرداری جدیدی را شناسایی می کند که پاسخ ضد افسردگی را پیش بینی می کند (2021، 9 نوامبر) که در 9 نوامبر 2021 از https://medicalxpress.com/news/2021-11-imaging-biomarkers-antidepressant-response.html بازیابی شده است.
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.