High-resolution virtual brain modeling personalizes deep brain stimulation for treatment-resistant depression: Spatiotemporal response characteristics following stimulation of neural fiber pathways
Notice bibliographique
Résumé
Over the past 15 years, deep brain stimulation (DBS) has been actively investigated as a groundbreaking therapy for patients with treatment-resistant depression (TRD); nevertheless, outcomes have varied from patient to patient, with an average response rate of ∼50%. The engagement of specific fiber tracts at the stimulation site has been hypothesized to be an important factor in determining outcomes, however, the resulting individual network effects at the whole-brain scale remain largely unknown. Here we provide a computational framework that can explore each individual's brain response characteristics elicited by selective stimulation of fiber tracts. We use a novel personalized in-silico approach, the Virtual Big Brain, which makes use of high-resolution virtual brain models at a mm-scale and explicitly reconstructs more than 100,000 fiber tracts for each individual. Each fiber tract is active and can be selectively stimulated. Simulation results demonstrate distinct stimulus-induced event-related potentials as a function of stimulation location, parametrized by the contact positions of the electrodes implanted in each patient, even though validation against empirical patient data reveals some limitations (i.e., the need for individual parameter adjustment, and differential accuracy across stimulation locations). This study provides evidence for the capacity of personalized high-resolution virtual brain models to investigate individual network effects in DBS for patients with TRD and opens up novel avenues in the personalized optimization of brain stimulation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».