Optimalizace diagnostiky a léčby deprese na základě multidimenzionální klasifikace klinického hodnocení

Velká depresivní porucha (MDD) charakterizovaná vysokou prevalencí, vysokou mírou recidivy a vysokou mírou invalidity je duševní nemocí s největší zátěží a stala se hlavním problémem veřejného zdraví v Číně a ve světě. Velkým problémem v diagnostice a léčbě deprese je komplikovaná patogeneze, nedostatek objektivních diagnostických kritérií, neuspokojivé výsledky léčby a špatná compliance s léčbou. Předchozí studie našeho výzkumného týmu ukázaly, že depresi ovlivňuje více faktorů. Mohli bychom prozkoumat důležité markery pro diagnostiku, léčbu a predikci účinnosti léčby v datech pacientů s depresí shromážděných z různých dimenzí, včetně imunometabolismu, elektrofyziologie mozku, struktury mozku a funkčních nervových okruhů, neuropsychologie a psychofyziologie. Naše dokončené studie v rámci Národního programu podpory vědy a technologie a Národního programu klíčového výzkumu a vývoje (R&D) 12. a 13. pětiletého plánu v Číně zjistily, že léčba určená pro specifické klinické podtypy může zlepšit účinek léčby, a mezitím aplikace péče založené na elektronickém měření (e-MBC) v kombinaci s chytrými mobilními terminály může pacientům účinně poskytnout komplexní lékařskou péči, zlepšit compliance pacientů a zvýšit účinnost klinické diagnostiky a léčby. Vzhledem k diagnóze onemocnění na základě klinické symptomatologie bez rozlišení podtypů a nedostatku multiškálového dolování biologických dat, multidimenzionálního hodnocení a hluboké integrace však lze výsledky většiny předchozích studií jen stěží použít v klinické praxi. Existuje proto silná potřeba provést systematický výzkum, ve kterém je zapotřebí vícerozměrné hodnocení klinických charakteristik a velký rozsah sběru a dolování dat k vytvoření klinické diagnózy a optimálních léčebných režimů pro subtypy deprese. K dosažení tohoto cíle budou v této studii předmětem našeho výzkumu pacienti s depresí. Za prvé, na základě předchozí kohortové studie a celého kurzu e-MBC budou dále shromažďována data pacientů o pohybu, dechové frekvenci, srdeční frekvenci a spánku. S pomocí technologie umělé inteligence (AI), jako je hluboké strojové učení, budou data integrovaná s EEG zobrazováním a specifickými imunometabolickými markery v krvi analyzována s klinickými charakteristikami. Model diagnózy a klasifikace bude vytvořen na základě multidimenzionálního klinického hodnocení a ověřen. Za druhé, prostřednictvím prospektivní multicentrické randomizované kontrolované studie budou prozkoumány optimální léčebné režimy pro různé podtypy deprese a individualizovaná magnetická stimulace fyzikální intervenční technologie navigovaná AI, aby se vytvořil prediktivní model léčebného účinku. A konečně, dlouhodobé sledování a jeho pravidelný sběr dat lze dokončit na platformě pro diagnostiku a léčbu pacientů, která je propojena s e-MBC. Bude tak vytvořena stabilní klinická kohorta a pokročilá databáze obsahující vícerozměrné informace o depresi. Celá platforma řízení e-MBC kurzu bude optimalizována a propagována tak, aby se zlepšila compliance pacientů, účinnost léčby a prognóza. Tato studie může poskytnout důkazy pro přesnou diagnostiku a klasifikaci deprese a optimální léčebné režimy pro různé podtypy.