基于脑电图的电休克抗抑郁疗效预测指标模式识别研究

In China, depression has a prevalence of 3% - 5%, causing an impressively high disease burden ranked 2nd. Not all patients with depression respond well to treatment; 15% - 20% of them are treatment-resistant patients due to lack of therapeutic effects with enough antidepressants administrated systematically. Though modified electric convulsive therapy (MECT) has been regarded as a major treatment for these treatment-resistant patients with depression, a bit more than half (53.3%) of them would show remission. Thus, an urgent clinic problem arising is to identify certain measures for selecting those patients with depression who would tend to respond well to MECT. As a technique of artificial intelligence, pattern recognition technique has been burgeoning to analyse EEG qualitativelly and quantitatively. Based on combination of EEG pattern recognition technique with clinical symptoms, the present study is to explore the characteristics of the resting EEG and epilepsy discharge in EEG before, during and post MECT, as well as at different follow-up times in a considerably big sample of patients with depression; conduction of the present study is to reveal certain electrophysiologic mechanism of anti-depressive effects of MECT and measures predicting responsive effects to MECT from the beginning of its administration onward into the medium-term following its administration, providing objective evidence for optimizing the therapeutic procedure of treatment-resistant patients with depression. Doing the present study would promote the rate of effective response to MECT and improve the prognosis for patients with depression.

我国抑郁症患病率在3-5%左右，是国内第二负担疾病，抑郁症中有15-20%为历经多种抗抑郁剂治疗也疗效欠佳的难治性抑郁。无抽搐电休克是目前治疗难治性抑郁的主要方法，但仅53.3%的患者在电休克治疗后能够达到临床痊愈。探索电休克疗效预测指标并用于筛选具有疗效敏感倾向者，以提高电休克治疗有效率，是目前临床中亟待解决的问题。模式识别技术是新兴的人工智能技术之一，近年来应用于对抑郁患者脑电信息的定量分析及定性判别，取得了较大进展。本研究拟采用基于脑电信号的模式识别技术与临床症状特征性分析相结合的方法，在较大样本基础上进行纵向随访，考察电休克治疗前、治疗中、治疗后以及随访时间点患者静息态脑电及痫样放电模式特征性指标变化情况，从而揭示电休克抗抑郁疗效的脑电生理机制及电休克抗抑郁疗效的预测指标，为优化难治性抑郁症治疗方案提供客观依据。藉此达到提高电休克抗抑郁治疗有效率，改善抑郁症预后之目的。

我国抑郁症患病率在3-5%左右，是国内第二负担疾病，抑郁症中有15-20%为历经多种抗抑郁剂治疗也疗效欠佳的难治性抑郁。无抽搐电休克是目前治疗难治性抑郁的主要方法，但仅53.3%的患者在电休克治疗后能够达到临床痊愈。探索电休克疗效预测指标并用于筛选具有疗效敏感倾向者，以提高电休克治疗有效率，是目前临床中亟待解决的问题。本研究采集难治性抑郁患者脑电信息，并利用模式识别技术进行定性判别及定量分析，以寻找电休克抗抑郁疗效的预测指标。. 本研究自2015年9月至2017年12月于济宁医学院第二附属医院收集难治性抑郁症并做电休克治疗的患者200例，采集电休克治疗前1天以及电休克疗程结束后第1周末、第6周末、第6个月末的静息态脑电资料，以汉密尔顿抑郁评定量表（HDRS）及症状有无复发评定电休克疗程结束后第1 周末、第6周末、第6 个月末时间点的临床疗效。研究共收集200例难治性抑郁症患者，其中脱落29例，实际171例患者完成电休克治疗及6月随访，其中电休克治疗1周末时症状未完全缓解者17例（9.94%），电休克治疗6周末时31例（18.13%）症状未完全缓解或复燃，电休克治疗6月末时56例（32.75%）未完全缓解或复燃。. 比较电休克疗程结束后第1 周末评估时抑郁症状完全缓解者与未完全缓解者治疗前脑电资料的差异，模式识别技术进行定性判别及定量分析考察脑电指标与近期疗效的关系，发现患者年龄偏大、本次病程短、伴有自杀观念、脑电图相干性(EEG coherence)、脑电波频域定向传递函数（Directed transfer function, DTF）是难治性抑郁症电休克近期（电休克结束1周末）疗效较好的预测指标。. 比较电休克疗程结束后第6 周末仍维持完全缓解状态者与疗程结束后6 周内复燃者治疗前脑电资料的差异，发现患者年龄偏大、本次病程短、伴精神病性症状、HDRS中的迟滞因子分高、脑电图相干性(EEG coherence)、额叶脑电图偏侧化轻（frontal alpha asymmetry ,FAA）是难治性抑郁症电休克短期（电休克结束6周末）疗效较好的预测指标。. 本研究结果揭示了电休克抗抑郁疗效的预测指标，为优化难治性抑郁症治疗方案提供客观依据。本研究真正体现了“从实验室到病床旁”的转化医学思维，具有广阔的应用前景。