Prediction of Individual Response to Electroconvulsive Therapy via Machine Learning on Structural Magnetic Resonance Imaging Data
Notice bibliographique
Résumé
IMPORTANCE: Electroconvulsive therapy (ECT) is one of the most effective treatments for severe depression. However, biomarkers that accurately predict a response to ECT remain unidentified. OBJECTIVE: To investigate whether certain factors identified by structural magnetic resonance imaging (MRI) techniques are able to predict ECT response. DESIGN, SETTING, AND PARTICIPANTS: In this nonrandomized prospective study, gray matter structure was assessed twice at approximately 6 weeks apart using 3-T MRI and voxel-based morphometry. Patients were recruited through the inpatient service of the Department of Psychiatry, University of Muenster, from March 11, 2010, to March 27, 2015. Two patient groups with acute major depressive disorder were included. One group received an ECT series in addition to antidepressants (n = 24); a comparison sample was treated solely with antidepressants (n = 23). Both groups were compared with a sample of healthy control participants (n = 21). MAIN OUTCOMES AND MEASURES: Binary pattern classification was used to predict ECT response by structural MRI that was performed before treatment. In addition, univariate analysis was conducted to predict reduction of the Hamilton Depression Rating Scale score by pretreatment gray matter volumes and to investigate ECT-related structural changes. RESULTS: One participant in the ECT sample was excluded from the analysis, leaving 67 participants (27 men and 40 women; mean [SD] age, 43.7 [10.6] years). The binary pattern classification yielded a successful prediction of ECT response, with accuracy rates of 78.3% (18 of 23 patients in the ECT sample) and sensitivity rates of 100% (13 of 13 who responded to ECT). Furthermore, a support vector regression yielded a significant prediction of relative reduction in the Hamilton Depression Rating Scale score. The principal findings of the univariate model indicated a positive association between pretreatment subgenual cingulate volume and individual ECT response (Montreal Neurological Institute [MNI] coordinates x = 8, y = 21, z = -18; Z score, 4.00; P < .001; peak voxel r = 0.73). Furthermore, the analysis of treatment effects revealed a increase in hippocampal volume in the ECT sample (MNI coordinates x = -28, y = -9, z = -18; Z score, 7.81; P < .001) that was missing in the medication-only sample. CONCLUSIONS AND RELEVANCE: A relatively small degree of structural impairment in the subgenual cingulate cortex before therapy seems to be associated with successful treatment with ECT. In the future, neuroimaging techniques could prove to be promising tools for predicting the individual therapeutic effectiveness of ECT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».