Otimização do Diagnóstico e Tratamento da Depressão com Base na Classificação de Avaliação Clínica Multidimensional

O transtorno depressivo maior (TDM), caracterizado por alta prevalência, alta taxa de recorrência e alta taxa de incapacidade, é uma doença mental com o fardo mais pesado e se tornou um importante problema de saúde pública na China e no mundo. Grandes desafios no diagnóstico e tratamento da depressão consistem na patogênese complicada, falta de critérios diagnósticos objetivos, resultados insatisfatórios do tratamento e baixa adesão ao tratamento. Os estudos anteriores de nossa equipe de pesquisa mostraram que a depressão é afetada por múltiplos fatores. Poderíamos explorar marcadores importantes para o diagnóstico, tratamento e previsão da eficácia do tratamento em dados de pacientes deprimidos coletados de diferentes dimensões, incluindo imunometabolismo, eletrofisiologia cerebral, estrutura cerebral e circuitos neurais funcionais, neuropsicologia e psicofisiologia. Nossos estudos concluídos no Programa Nacional de Apoio à Ciência e Tecnologia e Programa Nacional de Pesquisa e Desenvolvimento (P&D) do 12º e 13º Plano Quinquenal na China descobriram que o tratamento projetado para subtipos clínicos específicos pode melhorar o efeito do tratamento e, enquanto isso, o a aplicação de cuidados baseados em medição eletrônica (e-MBC) combinada com terminais móveis inteligentes pode efetivamente fornecer gerenciamento médico completo para pacientes, melhorar a adesão do paciente e aumentar a eficácia do diagnóstico e tratamento clínico. No entanto, devido ao diagnóstico da doença baseado na sintomatologia clínica sem distinção de subtipos e falta de mineração de dados biológicos multiescala, avaliação multidimensional e integração profunda, os resultados da maioria dos estudos anteriores dificilmente podem ser usados ​​na prática clínica. Portanto, há um forte desejo de realizar uma pesquisa sistemática na qual a avaliação multidimensional das características clínicas e uma grande escala de coleta e mineração de dados sejam necessárias para formar diagnósticos clínicos e regimes de tratamento ideais para os subtipos de depressão. Para atingir o objetivo, pacientes com depressão serão nosso objeto de pesquisa neste estudo. Primeiro, com base no estudo de coorte anterior e no e-MBC completo, os dados de movimento, frequência respiratória, frequência cardíaca e sono dos pacientes serão coletados posteriormente. Com a ajuda da tecnologia de inteligência artificial (IA), como aprendizado de máquina profundo, os dados integrados com imagens de EEG e marcadores imunometabólicos específicos no sangue serão analisados ​​com características clínicas. O modelo de diagnóstico e classificação será estabelecido com base na avaliação clínica multidimensional e verificado. Em segundo lugar, por meio de um estudo controlado randomizado multicêntrico prospectivo, serão explorados regimes de tratamento ideais para diferentes subtipos de depressão e tecnologia de intervenção física de estimulação magnética individualizada navegada por IA para estabelecer um modelo preditivo de efeito curativo. Por fim, o acompanhamento de longo prazo e sua coleta regular de dados podem ser concluídos na plataforma de diagnóstico e tratamento do paciente vinculada ao e-MBC. Assim, uma coorte clínica estável e um banco de dados avançado contendo informações multidimensionais de depressão serão configurados. Toda a plataforma de gerenciamento e-MBC do curso será otimizada e promovida para melhorar a adesão do paciente, a eficiência do tratamento e o prognóstico. Este estudo pode fornecer evidências para diagnóstico preciso e classificação de depressão e regimes de tratamento ideais para diferentes subtipos.