Multiscale Neuroimaging Features for the Identification of Medication Class and Non-Responders in Mood Disorder Treatment

要約

気分障害の臨床治療では、標準的な診断および処方方法を使用した場合、患者が示す複雑な行動症状と、特定の薬物クラスに対する患者の反応のばらつきにより、迅速で信頼性の高い治療を提供することが困難になる可能性があります。
神経画像スキャンや派生物などの生理学的情報を臨床プロセスにますます組み込むことで、このプロセスを取り巻く不確実性の一部が軽減されることが期待されています。
特に、神経の特徴が、標準的な抗うつ薬や気分安定剤の投与に反応しない可能性のある患者を特定するのに役立つ場合、臨床医は、長期にわたる副作用の多い治療を避け、別のより効果的な治療法を模索することを選択する可能性があります。
検討されていない。
これまで、関連する神経画像特徴を導出するアプローチは、データ内の 1 つのスケールでのみ機能し、臨床意思決定のサポートに利用できる情報の深さが制限される可能性がありました。
この研究では、多空間スケールの神経画像機能、特に安静状態の機能ネットワークと機能ネットワークの接続性測定の利用が、気分障害の治療において関連する薬剤クラスと非反応者を特定するための豊富で堅牢な基盤を提供することを示します。
。
我々は、生成された特徴と、高速で自動化された特徴選択のための新しいアプローチが、薬剤クラスと非反応者の特定、および新規のマルチスケールバイオマーカーの特定において高い精度をサポートできることを実証します。

要約(オリジナル)

In the clinical treatment of mood disorders, the complex behavioral symptoms presented by patients and variability of patient response to particular medication classes can create difficulties in providing fast and reliable treatment when standard diagnostic and prescription methods are used. Increasingly, the incorporation of physiological information such as neuroimaging scans and derivatives into the clinical process promises to alleviate some of the uncertainty surrounding this process. Particularly, if neural features can help to identify patients who may not respond to standard courses of anti-depressants or mood stabilizers, clinicians may elect to avoid lengthy and side-effect-laden treatments and seek out a different, more effective course that might otherwise not have been under consideration. Previously, approaches for the derivation of relevant neuroimaging features work at only one scale in the data, potentially limiting the depth of information available for clinical decision support. In this work, we show that the utilization of multi spatial scale neuroimaging features – particularly resting state functional networks and functional network connectivity measures – provide a rich and robust basis for the identification of relevant medication class and non-responders in the treatment of mood disorders. We demonstrate that the generated features, along with a novel approach for fast and automated feature selection, can support high accuracy rates in the identification of medication class and non-responders as well as the identification of novel, multi-scale biomarkers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google