我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

大脑的生物标志物可以重新定义心理健康诊断

人脑的典范。
信贷:Robina Weermeijer / Unsplash。

想要一个免费的PDF版本的这个新闻吗?

完成下面的表格,我们将电子邮件您的PDF版本“大脑生物标志物可以重新定义心理健康诊断”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

智慧的生物标志物的研究先进的机器学习技术可以重新定义心理健康状况的方式分类,诊断和导致更有效,个性化治疗。


的目标余张助理教授,生物工程和利哈伊大学电气和计算机工程的pc Rossin工程和应用科学学院最近登陆主要的支持国家精神卫生研究所(NIMH),一个部门的国家卫生研究院(NIH)。两笔赠款,总额近400万美元,将基金两个项目寻找生物标志物使用大脑成像和机器学习(ML)来改善精神疾病患者的诊断和治疗结果。

想要更多的最新消息?

订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。

免费订阅

生物标志物本质上是一个某种类型的迹象,表明医疗状态,可以测量。


第一个研究旨在改善抑郁症的治疗。全世界大约有2.8亿人有条件,根据世界卫生组织。抗抑郁药物是治疗的主要形式,但它们是有效的只有约一半的病人,张先生说,他领导的脑成像和计算实验室在利哈伊(BIC实验室)。


“传统上,医学专家使用的组合行为和诊断抑郁症临床症状,这些症状是相当主观,导致异质性的病人,”他说。“我们的目标是建立目标生物标志物使用大脑成像和机器学习,更好地捕捉大脑的功能障碍。本质上这些生物标记将使我们能够预测个体病人是否应对药物基于他们的大脑回路,这将帮助指导个性化干预。”


张先生和他的团队,其中包括戴尔医学院的合作者(戴尔地中海)在德克萨斯大学奥斯汀分校,佩雷尔曼医学院(PSOM)宾夕法尼亚大学和斯坦福大学医学院,将利用数据从一个双盲随机安慰剂对照临床试验的生物标志物。这些数据,包括功能性磁共振成像(fMRI)和脑电图(EEG)收集病人治疗前,将用于训练机器学习模型来确定大脑的生物标志物。


”而不是单一的大脑区域,我们正在寻找的生物标志物的特征是不同地区之间的交互和脑成像模式之间,”张先生说。“我们正在研究大规模脑网络相关的各种精神疾病,主要涉及工作记忆认知和情绪调节。我们假设这些内在大脑网络之间的相互作用可能会揭示的生物标记,可以预测个体层面的治疗反应。”


从本质上讲,他说,网络之间的交互的程度可能表明一个人应对药物治疗的程度。


一旦团队构建模型,他们会测试它进行一个独立的临床试验。调查人员在戴尔地中海将招募大约50人被诊断为抑郁症,开抗抑郁药物,并测量他们的症状的变化。


”,我们会收集预处理脑成像数据和使用这些数据来验证和优化我们的生物标志物的发现,”张先生说。

他设想的未来模式——调高付费读者会很容易地安装在任何计算机和便携式脑电图装置。


诊所或医院病人脑电图扫描他们的大脑,和数据输入模型。模型将使用这些大脑信号来评估的优势或劣势的brain-i.e区域之间的连接。指标和然后生成输出,告诉医生或临床医生多好,不信,这个人可能会对基于这些生物标记的抗抑郁药物。


张艺谋和他的团队都是只看选择性5 -羟色胺再摄取抑制剂,或选择性血清素再吸收抑制剂,终极目标,他说,是调整模型,它能预测一个人对其他化合物的反应。


他们AI-guided生物标志物不仅会提供一个个性化的治疗方法,他说,但是也替换当前的试错治疗策略,浪费时间和金钱。


“通常,病人,时间比金钱更重要,”张先生说。“所以结合先进的人工智能和脑成像真的可以驱动一个新颖的治疗方案,帮助人们迅速,对他们的治疗和为他们提供了更大的信心。这可能是一个形式的精度,可以为患者提供心理健康护理真正的希望。”


张的第二个新资助研究还将使用脑成像数据来确定生物标志物,这次重新定义精神障碍的分类。


目前,心理健康状况分组根据主观行为和临床评估和自我报告的问卷,张先生说。结果是在一个诊断类别,如自闭症症状的范围是巨大的。


“有些患者表现出非常不同的或者heterogenous-symptoms与其他自闭症患者在这个类别相比,”他说。”与此同时,在类别,如自闭症、注意缺陷/多动障碍、抑郁,你会发现有相当大的重叠,或伴随疾病的症状。我们相信有一个缺乏深入的理解异质性和主要精神疾病的发病率。我们的项目将收集从人体更客观的措施。我们将结合脑成像数据机器学习识别neurocircuit异常在传统诊断将帮助我们重新定义精神障碍的分类”。


重新定义分类系统的发展可以促进更有效的治疗病人,张先生说。现在,病人患有特定疾病通常是放之四海而皆准的方法来治疗。有些病人会反应良好,但其他人不会回应,还有一些可能会遇到的不良反应。因为宽的变化在他们的大脑是如何工作的。如果系统可以更精确,治疗等药物治疗,心理治疗和神经调节治疗可以更好地打向特定需求。


张先生和他的团队将大脑成像和行为评估数据到一个机器学习模型,识别大脑连接模式。这些生物标记将帮助解释心理健康状况以及更多的连续体。


“现在,诊断就像一个硬标签,但我们认为沿着光谱解释这些条件将帮助我们确定亚种群在临床样本,”他说。“一旦我们确定这些子类型,我们可以进一步研究其独特的和共享的大脑异常,并更好地了解治疗将是最有用的特定亚型。”


最初的想法是,最终医生会收集从一个病人大脑成像和行为数据,饲料模型学习的亚型患者所属,然后继续治疗适合亚型。


“这项工作有可能重新定义心理健康状况,并将是一个重大突破,”张先生说。“它可以帮助我们建立更有效的治疗对于个体患者,这是传统的临床诊断不能实现。”


本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

广告
Baidu