基于机器学习的抑郁症脑网络连接特征分型对抗抑郁剂的疗效预测研究

The significant heterogeneity of depression results in poor treatment of depression in about a third of patients. Therefore, it is urgent to find objective biological indicators of antidepressant efficacy to guide treatment. A new study from USA has subdivided depression into different biotypes using rsfMRI, and reported a high predictive accuracy to repetitive transcranial magnetic stimulation therapy. Our group also found the resting-state functional brain network could effectively predict the rapid effect of antidepressants at 2 weeks. The critical questions of this study is whether the biotypes divided by previous study can be replicated in Chinese Han population and effectively predict the effect of antidepressants. Therefore, this study aims to subdivide depression into different biotypes in a large Chinese Han sample, and evaluate the relationship between different biotypes and the escitalopram efficacy, as well as the predictive accuracy of these biotypes. We expected to provide practical evidence for establishing biomarkers for predicting the efficiency of antidepressants.

抑郁症的显著异质性导致约三分之一的患者抗抑郁治疗效果较差。目前，临床上急需能够预测抗抑郁剂疗效的客观生物学指标来指导治疗。美国一项最新研究通过机器学习根据rsfMRI脑网络连接特征将抑郁症分成了不同的生物学亚型，发现生物学亚型对重复经颅磁刺激疗效具有较高的预测准确度。本课题组前期研究也曾发现卷积神经网络对抑郁症患者抗抑郁剂治疗2周后的早期疗效具有较好的预测作用。而美国基于rsfMRI脑网络连接特征的生物学分型结果对抗抑郁剂疗效是否能在中国汉族人群中得到重复？是否也可以有效的预测抗抑郁药物的疗效？是本研究要解决的关键问题。因此，本研究计划应用大样本中国汉族人群实现抑郁症的生物学分型，利用机器学习的方法根据rsfMRI脑网络连接特征不同将分为不同的生物学亚型，进一步检测不同生物学亚型与抗抑郁剂疗效的关系，评估它们对抗抑郁剂疗效的预测效能，以期为抗抑郁剂疗效预测生物标记的确立提供实用性的科研证据

抑郁症临床症状具有显著的异质性，到目前为止仍缺乏明确的生物学诊断标准，通过研究特征性临床表型的病理生理机制有助于细化抑郁症不同症状群下潜在的不同生物学基础，提高了生物学标记的发现率。本研究采用交叉学科的方法，综合临床评估、脑影像学、机器学习等，首先应用数据驱动的分析模式检测抑郁症患者的全脑CBF，寻找与PMR相关的CBF异常脑区，并进一步分析多巴胺系统基因多态性对CBF的影响；其次应用假说驱动的分析模式检测抑郁症患者CSTC环路的间接通路关键脑区之间的功能连接，同样分析了多巴胺系统基因对CSTC间接通路功能连接的影响；再次通过对116例MDD患者与66例健康对照组，按照CACNA1Crs11832738基因型分为G等位基因携带者与AA纯合子组，计算低频振幅ALFF，采用双因素方差分析计算CACNA1Crs11832738与MDD对脑功能活动的交互效应，及其与抑郁症严重程度之间的关系，进一步采用中介分析确定异常大脑自发活动是否能介导rs11832738与抑郁症严重程度之间的关系；最后根据治疗2周末的HMAD评分，将MDD患者分为有效组（RD，44例）和无效组（NRD，36例），加42例性别年龄教育年限匹配的HC组，计算基于体素的CBF和ALFF值，用于进一步ROC分析和基于机器学习技术的10折交叉验证支持向量机（SVM）分类器。结果发现运动皮层脑血流量增高可能是抑郁症患者精神运动迟滞潜在的生物学标记，多巴胺系统基因对PMR相关的运动调节脑区、认知及情绪调节脑区均有显著影响；丘脑-丘脑底核功能连接可能是精神运动迟滞严重程度的潜在生物标记，多巴胺系统基因对精神运动迟滞患者CSTC环路间接通路的功能连接可能不存在明显的调节作用；CACNA1Crs11832738多态性与MDD对右侧额中回的自发活动有显著交互作用，CACNA1Crs11832738多态性与抑郁症严重程度之间的关系可能是由右侧额中回的自发活动改变介导的；额叶-纹状体区域的CBF和ALFF特征性改变可以作为潜在的疗效判断标记，有助于在治疗早期对相应的患者采取优化的个体化治疗策略。