情绪障碍的抗炎治疗与深度学习预测模型

多种证据支持神经炎症在情绪障碍中的致病作用。 我们的团队发表了一系列论文，表明炎症细胞因子与抑郁症状的严重程度相关，可能是双相情感障碍临床结果、亚型和情绪阶段的生物标志物。 与抑郁症相比，双相情感障碍具有更严重的炎症失调，这与大脑结构和功能连接异常有关。 治疗无反应者往往具有较高的基线炎症标志物，这表明炎症水平升高是导致治疗抵抗的原因。 临床研究表明，抗炎药联合传统疗法可改善临床疗效，包括N-乙酰半胱氨酸、英夫利昔单抗、吡格列酮、塞来昔布、阿司匹林、omega-3多不饱和脂肪酸、米诺环素、他汀类药物、阿司匹林。 其中，阿司匹林和他汀类药物已被用于治疗和预防与炎症失调相关的心血管代谢紊乱。 阿司匹林和他汀类药物的临床和荟萃分析研究均显示出显着的疗效和良好的安全性。 因此，阿司匹林和他汀类药物对心境障碍的强化治疗具有较好的临床可行性和合理性。 但以往的抗炎研究多为单药研究，比较研究仍相当缺乏。 此外，许多研究表明，抗炎药可能对免疫功能障碍是驱动致病因素的患者亚群最有用。

在本研究中，我们将建立一个抗炎药物治疗情绪障碍的预测模型。 深度学习的最新进展证明了其基于大规模经验数据学习和识别复杂非线性层次模式的能力。 用于分类应用（例如个性化医疗中的医疗）的深度学习算法是一种从一组适合一组观察结果的备选方案中选择最佳假设的过程。 我们的一系列研究表明，炎症的严重程度与大脑结构和功能连接异常有关；这可能是结果预测因子。 另一个可能的预测因子可能是染色体端粒长度。 端粒位于染色体末端，维持染色体的正常功能。 先前的研究发现，端粒长度短与情绪障碍以及炎症失调有关。 因此，端粒长度可能是抗炎治疗的预测指标。 该研究将首次进行抗炎治疗的对比研究，并建立基因-免疫-脑成像个体化治疗预测模型。 该结果将为情绪障碍的炎症病理生理学和治疗提供重要的科学和临床经验数据。