機械学習と神経画像による電気けいれん療法の認知効果の予測 (CoEffECT)

大うつ病の計り知れない疾病負荷と、標準的な薬理学的および心理的治療に対する不十分な反応のために、代替治療の必要性は明らかです。 電気けいれん療法 (ECT) は、治療抵抗性うつ病で知られている最も効果的な治療法であり続けています。 しかし、多くの研究で 70% を超える奏効率が示されていますが、ECT は十分に活用されていないと考えられます。 この現象に寄与する理由には、スティグマ、規制上の制限、限られた医療訓練、安全性と副作用の懸念、または専門家の間で ECT を推奨することへの抵抗が含まれる場合があります。 これらの理由のほとんどは、心理学的および神経科学的研究によってすでに反駁されているか、見通しが立てられています (例: ECT は脳病変を引き起こします)、ECT コースに関連するほとんどの認知障害は、数週間の中止後に消えるようです。

それでも、忍容性の点では、記憶障害は依然として ECT の最も問題のある影響です。 ECTの経過後の患者からの主観的な報告に加えて、実験的研究では、ECTに起因するエピソードおよび自伝的記憶障害の証拠も発見されています。 これらの効果の起源はまだほとんどわかっておらず、さらなる研究の目標のままです.

構造的な T1 強調 MR 画像を使用して、機械学習を介して ECT の経過に対する反応を予測できることが示されました。 したがって、この研究は、機械学習を使用して、重度のうつ病患者からの最初の ECT 治療の 1 週間前に収集された MR 画像に基づいて、電気けいれん療法の過程で発生するエピソード的および特に自伝的な記憶障害の発生を予測することを目的としています。 さらに、ECT のコースによって変調された認知効果の神経生理学的相関は、構造、静止状態、および拡散テンソル画像を使用して縦断的に調査されます。 この研究は、重度の単極または双極うつ病に苦しんでいる60人のECTを受けている入院患者で構成されています。

成功すれば、この一連の研究は、ECT の処方に含まれる複雑な意思決定プロセスや治療コース内のパラメーター設定 (例えば、 片側対両側）。