Ottimizzazione della diagnosi e del trattamento della depressione basata sulla classificazione della valutazione clinica multidimensionale

Il disturbo depressivo maggiore (MDD) caratterizzato da un'elevata prevalenza, un alto tasso di recidiva e un alto tasso di disabilità è una malattia mentale con il carico più pesante ed è diventato un importante problema di salute pubblica in Cina e nel mondo. Le grandi sfide nella diagnosi e nel trattamento della depressione sono costituite dalla complicata patogenesi, dalla mancanza di criteri diagnostici oggettivi, dai risultati insoddisfacenti del trattamento e dalla scarsa compliance al trattamento. Gli studi precedenti del nostro gruppo di ricerca hanno dimostrato che la depressione è influenzata da molteplici fattori. Potremmo esplorare importanti marcatori per la diagnosi, il trattamento e la previsione dell'efficacia del trattamento nei dati dei pazienti depressi raccolti da diverse dimensioni tra cui immunometabolismo, elettrofisiologia cerebrale, struttura cerebrale e circuiti neurali funzionali, neuropsicologia e psicofisiologia. I nostri studi completati nel programma nazionale di supporto scientifico e tecnologico e nel programma nazionale chiave di ricerca e sviluppo (R&S) del 12° e 13° piano quinquennale in Cina hanno rilevato che il trattamento progettato per specifici sottotipi clinici può migliorare l'effetto del trattamento e, nel frattempo, il l'applicazione dell'assistenza basata sulla misurazione elettronica (e-MBC) combinata con terminali mobili intelligenti può fornire efficacemente la gestione medica dell'intero corso per i pazienti, migliorare la compliance del paziente e aumentare l'efficacia della diagnosi clinica e del trattamento. Tuttavia, a causa della diagnosi della malattia basata sulla sintomatologia clinica senza distinzione di sottotipi e della mancanza di data mining biologico multiscala, valutazione multidimensionale e profonda integrazione, i risultati della maggior parte degli studi precedenti difficilmente possono essere utilizzati nella pratica clinica. Pertanto, vi è un forte impulso a svolgere una ricerca sistematica in cui sono necessarie una valutazione multidimensionale delle caratteristiche cliniche e una raccolta e un'estrazione di dati su larga scala per formare una diagnosi clinica e regimi di trattamento ottimali per i sottotipi di depressione. Per raggiungere l'obiettivo, i pazienti con depressione saranno il nostro soggetto di ricerca in questo studio. In primo luogo, sulla base del precedente studio di coorte e dell'e-MBC dell'intero corso, verranno ulteriormente raccolti i dati di movimento, frequenza respiratoria, frequenza cardiaca e sonno dei pazienti. Con l'aiuto della tecnologia dell'intelligenza artificiale (AI) come il deep machine learning, i dati integrati con l'imaging EEG e specifici marcatori immunometabolici nel sangue saranno analizzati con le caratteristiche cliniche. Il modello di diagnosi e classificazione sarà stabilito sulla base della valutazione clinica multidimensionale e verificato. In secondo luogo, attraverso uno studio controllato randomizzato multicentrico prospettico, verranno esplorati i regimi di trattamento ottimali per diversi sottotipi di depressione e la tecnologia di intervento fisico di stimolazione magnetica individualizzata navigata dall'IA in modo da stabilire un modello predittivo dell'effetto curativo. Infine, il follow-up a lungo termine e la raccolta regolare dei dati possono essere completati sulla piattaforma di diagnosi e trattamento del paziente collegata all'e-MBC. Pertanto, verrà creata una coorte clinica stabile e un database avanzato contenente informazioni multidimensionali sulla depressione. L'intera piattaforma di gestione e-MBC del corso sarà ottimizzata e promossa per migliorare la compliance del paziente, l'efficienza del trattamento e la prognosi. Questo studio può fornire prove per una diagnosi e una classificazione precise della depressione e regimi terapeutici ottimali per diversi sottotipi.