解读抑郁症：研究人员确定了追踪难治性抑郁症康复的关键生物标志物

“使用可解释的AI可以识别出复杂的、可重复的大脑活动模式，这些模式与患者恢复过程中的复杂差异相对应，”佐治亚理工学院科学研究院首席作者桑卡·阿拉加潘博士解释道“这种方法使我们能够以临床团队可以解释的方式恢复大脑，从而大大提高了该方法在精神疾病治疗中的应用潜力。”

HelenSMayberg，医学博士，该研究的合著者，在2003年领导了第一项针对耐治疗抑郁症患者的皮下鳞状细胞癌（SCC）DBS的实验，证明它可能具有临床疗效2019年，SheandtheEmoryteam报告称，该技术对既往治疗耐药患者的长期治疗效果持续且稳定

“这项研究为我们之前的工作增加了一个重要的新层面，提供了可测量的变化，当有治疗耐药性的抑郁症患者被安置在CCC区域并接受慢性DBST治疗时，可以观察到可预测和持续的降压反应。”Dr说Mayberg，现为西奈山先进电路治疗中心创始董事“除了给我们提供有效的神经信号外，似乎这个信号几乎可以发出警告信号，表明患者可能需要调整DBS和提前临床症状。这是我们未来如何调整DBS的游戏规则改变。”

“理解和创造彩虹中的等秩序是最紧迫的重大挑战之一，但问题的复杂性意味着它超出了任何其他学科所能解决的范围，”Christopher Rozell博士说格鲁吉亚理工学院电气和计算机工程高级主席兼教授，也是该论文的资深作者“这项研究证明了跨学科合作的强大力量。通过汇集工程、神经科学和临床护理方面的经验，我们在将这一急需的治疗转化为实践方面取得了重大进展，并增加了有助于指导未来治疗发展的基础理解”

该团队的研究也证实了精神分裂症患者长期的主观观察结果：患者的咳嗽和抑郁症状，他们的面部表情也发生了变化该团队的AI工具识别了与从负债状态到表恢复的转换相对应的单个面部表情的模式这些测试比目前的临床测试更可靠

此外，两种类型的磁性核磁共振成像可以确定大脑白质中的结构和功能异常，并将区域连接起来，形成治疗的目标区域对于这些不规则的情况，与他们需要的或需要覆盖的内容相关，在目标训练网络中有更多的明显缺陷，与持续治疗的时间相关，以显示最大的有效性观察到的表面变化和结构缺陷提供了支持电气活动信号或生物标记相关的行为和动力学证据

“当我们治疗抑郁症患者时，我们会对其进行无症状、无临床观察和精神分裂评分，并对其症状进行监测。来自患者脑电波的直接生物信号将提供全面的判断和证据