Predicting Response to Repetitive Transcranial Magnetic Stimulation in Patients With Schizophrenia Using Structural Magnetic Resonance Imaging: A Multisite Machine Learning Analysis
Notice bibliographique
Résumé
Background: The variability of responses to plasticity-inducing repetitive transcranial magnetic stimulation (rTMS) challenges its successful application in psychiatric care. No objective means currently exists to individually predict the patients' response to rTMS. Methods: We used machine learning to develop and validate such tools using the pre-treatment structural Magnetic Resonance Images (sMRI) of 92 patients with schizophrenia enrolled in the multisite RESIS trial (http://clinicaltrials.gov, NCT00783120): patients were randomized to either active (N = 45) or sham (N = 47) 10-Hz rTMS applied to the left dorsolateral prefrontal cortex 5 days per week for 21 days. The prediction target was nonresponse vs response defined by a ≥20% pre-post Positive and Negative Syndrome Scale (PANSS) negative score reduction. Results: Our models predicted this endpoint with a cross-validated balanced accuracy (BAC) of 85% (nonresponse/response: 79%/90%) in patients receiving active rTMS, but only with 51% (48%/55%) in the sham-treated sample. Leave-site-out cross-validation demonstrated cross-site generalizability of the active rTMS predictor despite smaller training samples (BAC: 71%). The predictive pre-treatment pattern involved gray matter density reductions in prefrontal, insular, medio-temporal, and cerebellar cortices, and increments in parietal and thalamic structures. The low BAC of 58% produced by the active rTMS predictor in sham-treated patients, as well as its poor performance in predicting positive symptom courses supported the therapeutic specificity of this brain pattern. Conclusions: Individual responses to active rTMS in patients with predominant negative schizophrenia may be accurately predicted using structural neuromarkers. Further multisite studies are needed to externally validate the proposed treatment stratifier and develop more personalized and biologically informed rTMS interventions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».