基于脑电熵模式预测抑郁治疗反应:SSRI与rTMS两数据集建模研究

神经科学 2026-11-21 10 阅读

Biomedical physics & engineering express · 2026-11-19 · 期刊论文

  • 一句话结论:结论方向:脑电熵模式(NEP)在SSRI数据集上区分应答者与非应答者的平衡准确率高于随机水平,rTMS数据集上表现接近随机;证据档位为C,属探索性建模结果,不足以下结论。
  • 研究设计与做法:设计为方法学建模研究:NEP由10种熵指标构成,取自19导联5个频段及宽带信号;以20×57图像输入12个深度学习模型、以扁平向量输入7个浅层分类器;SSRI数据集n=30、rTMS数据集n=61,采用留一被试交叉验证与患者层面五折交叉验证,每名患者一次预测,未使用留出患者做训练、早停或模型选择。
  • 主要结果:主要结果:SSRI最高平衡准确率76.4%(LOSO,EfficientNet-B0,AUC 0.89)、72.2%(五折,线性SVM,AUC 0.77);rTMS为62.1%(k近邻,AUC 0.62)与63.7%(线性SVM,AUC 0.63);均为19个模型中事后选出的最优值,95%置信区间宽达23–32个百分点;SSRI两项结果AUC高于随机(Holm校正p=0.001与0.027)。
  • 机制或解释:机制或解释:作者以Shapley值分析特征重要性,对数能量与微分熵贡献最大(SSRI 72%、rTMS 60%);SSRI组间差异最大位于左额颞电极F7(δ、θ、β及宽带,应答者功率相对较高),最重要特征位于F7与T3;rTMS最重要特征位于右额电极F4(α节律与宽带)。
  • 局限与边界:局限与边界:样本量小(30与61),最优模型为事后从19个模型中挑选,置信区间宽,存在过拟合与选择偏倚风险;rTMS结果AUC接近0.6,判别力有限;单中心、数据集来源与人群特征、随访时长及利益冲突材料未报告。
  • 可否落地:可否落地:目前仅提示NEP作为治疗前分层表征具有可行性,证据档位C,不足以下结论用于临床决策;后续需在独立大样本中预注册验证,并与多通道连续小波变换图像及统计特征等基线表征做头对头比较。

🔗 打开原文

Akbari H, Shamsi H, Shahwar T 等


本文摘自《每日前沿研究简报 · 2026-11-21》「神经调控 · 精神与认知」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部