TMS に対する臨床反応を予測するための機械学習 (LEARN)

大うつ病性障害 (MDD) は、一般的な衰弱性の病気です。 人の家族や人間関係、仕事、教育、生活に影響を与えます。 それは睡眠と食習慣を変化させ、患者の一般的な健康を著しく損ないます。 この障害は、孤立した病気として、また心的外傷後ストレス障害 (PTSD) および自殺傾向と関連して、一般集団よりも退役軍人に影響を及ぼします。 かなりの割合の患者 (~30%) の症状は、行動療法および薬理学的介入に反応せず、新しい治療法が大いに必要とされています。 そのような治療の 1 つである経頭蓋磁気刺激法 (TMS) は、食品医薬品局によって MDD の治療に認可されています。 TMS は、治療抵抗性 MDD 患者の約 60% で有効ですが、経済的および時間的な負担が大きくなります。 TMS の神経生物学的効果と、機能回復の予測と治療の進行のためのマーカーに関するさらなる洞察は、非常に価値があります。

この提案の目標は、人間の電気生理学 (特に脳波、以下 EEG) と機械学習を使用して、TMS 治療の候補者の治療反応を予測し、TMS の作用メカニズムを研究することです。 そうすることは患者にとっていくつかの利点があります.治療予測はプロバイダーがTMSが無効な患者をスクリーニングするのに役立ち、メカニズムを理解することで治療を改良し個別化することができるからです.

研究者は、治療抵抗性 MDD の 35 人の患者を募集し、TMS 治療の 6 週間の臨床コースの前後に高密度電極アレイを使用して安静状態の EEG 信号を記録します。 研究者は、機械学習 (スパース回帰) を使用して、EEG 信号から派生した機能的接続 (コヒーレンス) マップを使用して治療結果を予測します。 研究者はまた、分類子を使用して、治療過程を通じて機能的結合の変化を追跡します。 私たちの予備データに基づいて、研究者は、前頭前皮質（刺激が伝達される場所）と頭頂/後正中線部位の間の弱い機能的結合が治療に対するより良い反応を予測し、TMS治療がこれらの結合を強化するという仮説を立てています.

ここで収集されたデータは、将来の連邦 (NIH および VA) のキャリア開発賞のシードおよび予備データとして使用されます。この賞は、脳機能と神経調節治療をよりよく理解するための EEG の使用に焦点を当てています。