重大抑郁症通用脑标志物的临床应用

但是，假设这些分类器是从单个站点的少量样本(例如，数十名参与者)构建的。在这种情况下，不可能将其推广到从其他成像站点获得的数据。从来没有人开发过一种基于机器学习的大脑网络标记器，该标记器可用于任何成像场所。解决此问题的一种方法是跨许多站点收集大量数据。但是，功能磁共振成像数据中与站点相关的显着差异代表了这一工作的巨大障碍。

目前发表在《PLOS Biology》杂志上的研究[1]使用一种新颖的协调方法[2]解决了这一难题。该研究小组基于静止状态功能磁共振成像(rs-fMRI)数据开发了用于重度抑郁症(MDD)的通用化大脑网络标记。这项创新研究有望加速基于fMRI的临床应用的脑网络标记物的开发。最终，研究小组希望这种新的脑部网络标记物可以在不久的将来被公共保险采用并广泛应用于临床实践。

研究人员专门解决了基于静止状态功能连接性[3]模式，开发一种通用的MDD标记的困难，该标记可以将受影响的患者与健康对照区分开。他们使用了来自4个成像站点的713名参与者的发现数据集，使用他们最近开发的协调方法消除了站点差异，[2]并使用机器学习技术为MDD开发了大脑网络标记。对于来自5个其他成像站点的521名参与者，独立验证数据集的大脑网络标记实现了大约70%的泛化精度。概括到从多个成像位置获得的完全独立的数据集的能力是新颖的，并且可以确保科学的可重复性和临床适用性。

为了将这种神经网络标记物用于MDD的实际临床应用，XNef公司[4]与广岛大学国际高级电信研究所(ATR)合作，开始与药品和医疗器械局(PMDA)[5]进行讨论，和日本医学研究与开发局(AMED)，并就发展政策达成共识。通过持续的磋商，该小组将准备医疗器械开发的申请文件，在2021年申请批准MDD标志，并在2022年获得批准。

将来，该研究小组将开发其他精神疾病(例如精神分裂症)的脑网络标记物，预计这些脑网络标记物将有助于临床情况下的准确诊断。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！