Optimisation du diagnostic et du traitement de la dépression basée sur la classification d'évaluation clinique multidimensionnelle

Le trouble dépressif majeur (TDM) caractérisé par une prévalence élevée, un taux de récidive élevé et un taux d'invalidité élevé est une maladie mentale avec le fardeau le plus lourd et est devenu un problème majeur de santé publique en Chine et dans le monde. Les grands défis du diagnostic et du traitement de la dépression consistent en une pathogenèse compliquée, un manque de critères de diagnostic objectifs, des résultats de traitement insatisfaisants et une mauvaise observance du traitement. Les études précédentes de notre équipe de recherche ont montré que la dépression est affectée par de multiples facteurs. Nous pourrions explorer des marqueurs importants pour le diagnostic, le traitement et la prédiction de l'efficacité du traitement dans les données des patients déprimés recueillies à partir de différentes dimensions, notamment l'immunométabolisme, l'électrophysiologie cérébrale, la structure cérébrale et les circuits neuronaux fonctionnels, la neuropsychologie et la psychophysiologie. Nos études terminées dans le cadre du programme national de soutien à la science et de la technologie et du programme national clé de recherche et développement (R&D) des 12e et 13e plans quinquennaux en Chine ont révélé que le traitement conçu pour des sous-types cliniques spécifiques peut améliorer l'effet du traitement, et en attendant, le L'application de soins basés sur des mesures électroniques (e-MBC) combinée à des terminaux mobiles intelligents peut fournir efficacement une gestion médicale complète des patients, améliorer l'observance des patients et augmenter l'efficacité du diagnostic et du traitement cliniques. Cependant, en raison du diagnostic de la maladie basé sur la symptomatologie clinique sans distinction de sous-type et du manque d'exploration de données biologiques multi-échelles, d'évaluation multidimensionnelle et d'intégration profonde, les résultats de la plupart des études précédentes peuvent difficilement être utilisés dans la pratique clinique. Par conséquent, il existe une forte envie de mener une recherche systématique dans laquelle une évaluation multidimensionnelle des caractéristiques cliniques et une collecte et une exploitation à grande échelle des données sont nécessaires pour établir un diagnostic clinique et des schémas thérapeutiques optimaux pour les sous-types de dépression. Pour atteindre cet objectif, les patients souffrant de dépression seront notre sujet de recherche dans cette étude. Tout d'abord, sur la base de l'étude de cohorte précédente et de l'e-MBC complet, les données des patients sur les mouvements, la fréquence respiratoire, la fréquence cardiaque et le sommeil seront davantage collectées. Avec l'aide de la technologie de l'intelligence artificielle (IA) telle que l'apprentissage automatique en profondeur, les données intégrées à l'imagerie EEG et aux marqueurs immunométaboliques spécifiques dans le sang seront analysées avec des caractéristiques cliniques. Le modèle de diagnostic et de classification sera établi sur la base d'une évaluation clinique multidimensionnelle et vérifié. Deuxièmement, grâce à un essai contrôlé randomisé multicentrique prospectif, des schémas thérapeutiques optimaux pour différents sous-types de dépression et une technologie d'intervention physique de stimulation magnétique individualisée naviguée par l'IA seront explorés afin d'établir un modèle prédictif d'effet curatif. Enfin, le suivi à long terme et sa collecte régulière de données peuvent être complétés sur la plateforme de diagnostic et de traitement des patients qui est reliée à l'e-MBC. Ainsi, une cohorte clinique stable et une base de données avancée contenant des informations multidimensionnelles sur la dépression seront mises en place. L'ensemble de la plate-forme de gestion du cours e-MBC sera optimisé et promu pour améliorer l'observance du patient, l'efficacité du traitement et le pronostic. Cette étude peut fournir des preuves pour un diagnostic et une classification précis de la dépression et des schémas thérapeutiques optimaux pour différents sous-types.