Anti-inflmmationsbehandling ved humørforstyrrelser og forudsigelsesmodel for dyb læring

Flere bevislinjer understøtter den patogene rolle af neuro-inflammation i humørsygdomme. Vores team har udgivet en række artikler, der viser, at de inflammatoriske cytokiner er relateret til sværhedsgraden af ​​depressive symptomer, kan være biomarkører for kliniske resultater, subtype og humørfase af bipolar lidelse. Sammenlignet med depressiv lidelse er bipolar lidelse med mere alvorlig inflammatorisk dysregulering, som korrelerede med hjernestruktur og funktionel forbindelsesabnormitet. Behandlingsikke-respondere havde en tendens til at have højere baseline inflammatoriske markører, hvilket tyder på, at øgede niveauer af inflammation er medvirkende til behandlingsresistens. De kliniske undersøgelser viste, at antiinflammatoriske lægemidler kombineret med traditionelle behandlinger kan forbedre kliniske resultater, herunder N-acetylcystein, infliximab, pioglitazon, celecoxib, aspirin, omega-3 flerumættede fedtsyrer, minocyclin, statin, aspirin. Blandt dem er aspirin og statin blevet brugt til behandling og forebyggelse af kardiovaskulære metaboliske lidelser, som er forbundet med inflammationsdysregulering. De kliniske og meta-analyse undersøgelser af aspirin og statin har vist betydelig effekt og god sikkerhed. Derfor har aspirin og statin bedre klinisk gennemførlighed og rationalitet til augmentationsbehandling ved humørsygdomme. Tidligere antiinflammatorisk forskning er dog mest til individuelle lægemiddelstudier, sammenlignende forskning mangler stadig ret meget. Derudover har mange undersøgelser antydet, at antiinflammatoriske midler sandsynligvis vil være mest nyttige for underpopulationen af ​​patienter, hvis immundysfunktion er en drivende patogen faktor.

I denne undersøgelse vil vi etablere en forudsigelsesmodel af antiinflammatoriske lægemidler til humørsygdomme. Nylige fremskridt inden for dyb læring har demonstreret dens evne til at lære og genkende komplekse ikke-lineære hierarkiske mønstre baseret på storskala empiriske data. En dyb læringsalgoritme til klassifikationsapplikationer såsom medicinsk behandling i personlig medicin er en procedure til at vælge den bedste hypotese fra et sæt af alternativer, der passer til et sæt observationer. Vores serie af undersøgelser har vist, at sværhedsgraden af ​​inflammation relateret til hjernestruktur og funktionelle forbindelsesabnormiteter; som kan være udfaldsindikatorerne. En anden mulig prædiktor kan være kromosomtelomerlængden. Telomerer er placeret for enden af ​​kromosomerne og opretholder kromosomernes normale funktion. Tidligere undersøgelser har fundet ud af, at kort telomerlængde er forbundet med humørforstyrrelser såvel som den inflammatoriske dysregulering. Derfor kan telomerlængde være en prædiktor for antiinflammatorisk behandling. Undersøgelsen vil være den første sammenlignende undersøgelse af anti-inflammatorisk behandling og etablere gen-immuno-hjerne-billeddannelse individualiseret behandlingsforudsigelsesmodel. Resultaterne vil give vigtige videnskabelige og kliniske empiriske data til den inflammatoriske patofysiologi og behandling af humørsygdomme.