A depresszió diagnózisának és kezelésének optimalizálása többdimenziós klinikai értékelési osztályozás alapján

A súlyos depressziós rendellenesség (MDD), amelyet magas gyakorisággal, magas kiújulási rátával és magas rokkantsági rátával jellemez, a legsúlyosabb terhet jelentő mentális betegség, amely Kínában és a világon is jelentős közegészségügyi problémává vált. A depresszió diagnosztizálásában és kezelésében a nagy kihívások közé tartozik a bonyolult patogenezis, az objektív diagnosztikai kritériumok hiánya, a nem kielégítő kezelési eredmények és a rossz kezelési megfelelőség. Kutatócsoportunk korábbi tanulmányai kimutatták, hogy a depressziót több tényező is befolyásolja. Fontos markereket tárhattunk fel a diagnózis, a kezelés és a kezelés hatékonyságának előrejelzése szempontjából a depressziós betegek különböző dimenzióiból gyűjtött adataiban, beleértve az immunmetabolizmust, az agy elektrofiziológiáját, az agy szerkezetét és a funkcionális idegi áramköröket, a neuropszichológiát és a pszichofiziológiát. Kínában a 12. és 13. ötéves terv Nemzeti Tudományos és Technológiai Támogatási Programjában és Nemzeti Kulcsfontosságú Kutatási és Fejlesztési (K+F) programjában befejezett tanulmányaink azt találták, hogy az egyes klinikai altípusokra tervezett kezelés javíthatja a kezelés hatását, és eközben a az elektronikus mérésen alapuló ellátás (e-MBC) alkalmazása intelligens mobilterminálokkal kombinálva hatékonyan biztosíthatja a betegek teljes körű orvosi kezelését, javíthatja a betegek együttműködését, valamint növelheti a klinikai diagnózis és kezelés hatékonyságát. Az altípus-megkülönböztetés nélküli klinikai tünettanon alapuló betegségdiagnózis, valamint a többléptékű biológiai adatbányászat, a többdimenziós értékelés és a mélyreható integráció hiánya miatt azonban a legtöbb korábbi tanulmány eredményei aligha használhatók a klinikai gyakorlatban. Ezért erős a késztetés egy olyan szisztematikus kutatás elvégzésére, amelyben a klinikai jellemzők többdimenziós értékelése, valamint nagy léptékű adatgyűjtés és bányászat szükséges a klinikai diagnózis kialakításához és a depresszió altípusainak optimális kezelési rendjének kialakításához. A cél elérése érdekében a depresszióban szenvedő betegeket vizsgáljuk ebben a tanulmányban. Először is, az előző kohorsz vizsgálat és a teljes tanfolyam e-MBC alapján tovább gyűjtik a betegek mozgási, légzési, pulzusszám- és alvásadatait. A mesterséges intelligencia (AI) technológia, például a mélygépi tanulás segítségével az EEG képalkotással integrált adatokat és a vérben lévő specifikus immunmetabolikus markereket klinikai jellemzőkkel elemezzük. A diagnózis és az osztályozás modelljét többdimenziós klinikai értékelés alapján állítják fel és igazolják. Másodszor, egy prospektív multicentrikus randomizált, kontrollált vizsgálaton keresztül a különböző depressziós altípusok optimális kezelési rendjeit és az MI által navigált, egyedi mágneses stimulációs fizikai beavatkozási technológiát fogják feltárni a gyógyító hatás prediktív modelljének felállítása érdekében. Végül az e-MBC-hez kapcsolódó betegdiagnosztikai és kezelési platformon a hosszú távú nyomon követés és annak rendszeres adatgyűjtése teljesíthető. Így létrejön egy stabil klinikai kohorsz és egy fejlett adatbázis, amely többdimenziós információkat tartalmaz a depresszióról. A teljes kurzus e-MBC menedzsment platformot optimalizálják és előmozdítják a betegek együttműködésének, a kezelés hatékonyságának és a prognózisnak a javítása érdekében. Ez a tanulmány bizonyítékot szolgáltathat a depresszió pontos diagnosztizálására és osztályozására, valamint a különböző altípusok optimális kezelési rendjére.