Optimalisatie van diagnose en behandeling van depressie op basis van multidimensionale klinische beoordelingsclassificatie

Depressieve stoornis (MDD), gekenmerkt door een hoge prevalentie, een hoog recidiefpercentage en een hoog invaliditeitspercentage, is een psychische aandoening met de zwaarste last en is een belangrijk probleem voor de volksgezondheid geworden in China en de wereld. Grote uitdagingen bij de diagnose en behandeling van depressie bestaan ​​uit de ingewikkelde pathogenese, een gebrek aan objectieve diagnostische criteria, onbevredigende behandelresultaten en slechte therapietrouw. De eerdere studies van ons onderzoeksteam toonden aan dat depressie wordt beïnvloed door meerdere factoren. We zouden belangrijke markers kunnen onderzoeken voor de diagnose, behandeling en voorspelling van de effectiviteit van de behandeling in gegevens van depressieve patiënten verzameld uit verschillende dimensies, waaronder immunometabolisme, hersenelektrofysiologie, hersenstructuur en functionele neurale circuits, neuropsychologie en psychofysiologie. Uit onze voltooide studies in het National Science and Technology Support Program en het National Key Research and Development (R&D)-programma van het 12e en 13e vijfjarenplan in China bleek dat een behandeling die is ontworpen voor specifieke klinische subtypes het behandelingseffect kan verbeteren, en ondertussen kan de toepassing van zorg op basis van elektronische metingen (e-MBC) in combinatie met slimme mobiele terminals kan patiënten effectief medisch beheer van de hele cursus bieden, de therapietrouw van de patiënt verbeteren en de doeltreffendheid van klinische diagnose en behandeling vergroten. Vanwege ziektediagnose op basis van klinische symptomatologie zonder subtype-onderscheid en gebrek aan biologische datamining op meerdere schaal, multidimensionale beoordeling en diepe integratie, kunnen de resultaten van de meeste eerdere onderzoeken echter nauwelijks worden gebruikt in de klinische praktijk. Daarom is er een sterke drang om een ​​systematisch onderzoek uit te voeren waarin multidimensionale evaluatie van klinische kenmerken en een grootschalige dataverzameling en -mining nodig zijn om klinische diagnose en optimale behandelingsregimes voor subtypes van depressie te vormen. Om het doel te bereiken, zullen patiënten met depressie ons onderzoeksobject zijn in deze studie. Ten eerste zullen op basis van de eerdere cohortstudie en de e-MBC over de hele cursus de gegevens van patiënten over beweging, ademhalingsfrequentie, hartslag en slaap verder worden verzameld. Met behulp van kunstmatige intelligentie (AI) -technologie zoals deep machine learning, zullen de gegevens die zijn geïntegreerd met EEG-beeldvorming en specifieke immunometabole markers in bloed worden geanalyseerd met klinische kenmerken. Het diagnose- en classificatiemodel zal worden vastgesteld op basis van multidimensionale klinische beoordeling en geverifieerd. Ten tweede zullen via een prospectieve multicenter gerandomiseerde gecontroleerde studie optimale behandelingsregimes voor verschillende subtypes van depressie en geïndividualiseerde fysieke interventietechnologie met magnetische stimulatie, bestuurd door AI, worden onderzocht om een ​​voorspellend model van curatief effect vast te stellen. Ten slotte kan de follow-up op lange termijn en de regelmatige gegevensverzameling worden voltooid op het platform voor diagnose en behandeling van de patiënt dat is gekoppeld aan de e-MBC. Zo zullen een stabiel klinisch cohort en een geavanceerde database met multidimensionale informatie over depressie worden opgezet. Het e-MBC-beheerplatform voor de hele cursus zal worden geoptimaliseerd en gepromoot om de therapietrouw, de efficiëntie van de behandeling en de prognose te verbeteren. Deze studie kan bewijs leveren voor een nauwkeurige diagnose en classificatie van depressie en optimale behandelingsregimes voor verschillende subtypes.