人类情绪下神经回路的颅内调查

抑郁症是最常见的心理健康障碍之一，影响了 7-8% 的人口，并给受影响的个人造成巨大的残疾，给社会带来经济负担。 为了优化现有疗法并开发改进疗法，研究人员需要更深入地了解这种复杂疾病的机制基础。 以前在这一领域的工作取得了重要进展，但有两个主要局限性。 (1) 大多数研究使用的是非侵入性的，因此对大脑活动的测量并不精确。 (2) 用于将神经活动与行为联系起来的黑盒模型仍然难以解释，虽然有时可以成功地描述某些情况下的活动，但可能无法推广到新情况、提供机械洞察力或有效地指导治疗干预。 为了克服这些挑战，研究人员将人类精确的颅内神经记录与一套新的可解释人工智能 (XAI) 方法相结合。 研究人员组建了一个由实验人员和计算专家组成的团队，他们的综合经验足以完成这项任务。 我们独特的数据集包含两组受试者：癫痫队列由接受颅内癫痫监测的难治性癫痫患者组成，抑郁队列由 NIH/BRAIN 资助的深度脑刺激治疗难治性抑郁症研究试验中的受试者组成（TRD ). 作为一个整体，这个数据集提供了精确的、时空解析的人类颅内记录和刺激数据，涵盖了抑郁严重程度的广泛动态范围。 我们的目标采用渐进的方法来建模和操纵大脑行为关系。 目标 1 旨在确定与情绪状态相关的神经活动特征。 从当前最先进的 AI 模型开始，然后使用“阶梯”方法连接到表现力不断增强的模型，同时强加机械上可解释的结构。 目标 1 侧重于将自我报告的情绪水平作为感兴趣的行为指标，而目标 2 使用另一种方法，即关注受研究领域标准 (RDoC) 启发的可测量神经生物学特征。 这些特征，如奖励敏感性、损失厌恶、执行注意力等，是使用一种新颖的“逆向理性控制”XAI 方法从行为任务表现中提取的。

将这些措施与神经活动模式相关联，提供了对抑郁症神经生物学的额外机制和规范理解。 目标 3 使用递归神经网络来模拟多部位颅内刺激对神经活动的丰富变化模式的影响。 然后采用创新的“初始循环”XAI 方法推导开环和闭环控制的刺激策略，从而将神经系统推向理想的、更健康的状态。 如果成功，该项目将加强我们对抑郁症病理生理学的理解，并改进神经调节治疗策略。 这也可以应用于许多其他神经和精神疾病，向 XAI 引导的精确神经科学迈出重要一步。