در مطالعه جدیدی که به تازگی در سلامت روان طبیعت (جزئیات زیر)، ما بیومارکرهای یادگیری ماشینی (ML) را بر اساس داده های الکتروانسفالوگرافی (EEG) برای پیش بینی نتیجه با دو نوع روان درم، برای بیماران مبتلا به اختلال استرس پس از سانحه (PTSD) توسعه دادیم.
انواع اصلی درمان مبتنی بر شواهد برای PTSD عبارتند از:
- تسلط پیشرونده بر احساسات مرتبط با تروما از طریق قرار گرفتن در معرض مانند قرار گرفتن در معرض طول، مدت (PE) یا
- کار بر روی چالشهای هیج،/سوگیری شناختی روزانه مانند درمان پردازش شناختی (CPT)
با وجود شواهد بالینی که از PE یا CPT حمایت می کند، بسیاری از بیماران پاسخ نمی دهند.
- پاسخ دهندگان چه ،، هستند قبل از درمان مشخص نیست (یک سوال نشانگر زیستی!).
- همچنین، مشخص نیست که آیا یک نوع فرد فقط به یک یا هر دو درمان پاسخ می دهد (یک سوال یادگیری انتقالی!)
ما داده های EEG را در مورد تعداد زیادی از کهنه سربازان ارتش ایالات متحده که PE یا CPT دریافت می ،د در چندین کلینیک Veteran Affairs (VA) جمع آوری کردیم و سپس مدل های ML را برای پیش بینی نتیجه (بهبود علائم PTSD) آموزش دادیم. نه تنها EEG ML میتواند درمان را پیشبینی کند، بلکه مدلهای آموزشدیده در یک درمان میتوانند دیگری را پیشبینی کنند.
EEG ML نه تنها می تواند پاسخ دهندگان را پیش بینی کند، بلکه می تواند افرادی را که پاسخ نمی دهند نیز شناسایی کند… افرادی که هیچ درم، برایشان کارساز نیست.
این کار یک پیشرفت هیجان انگیز در روانپزشکی دقیق است – یافتن درمان من، برای هر بیمار – و قدرت الکتروانسفالوگرافی (EEG) و یادگیری ماشین (ML) را بیشتر نشان می دهد.
– دکتر. Amit Active بنیانگذار و مدیر عامل در Alto Neuroscience و استاد دانشگاه استنفورد است و از سرمایه گذاران علوم زیستی کهنه سرباز کوهن و موسسه ملی سلامت روان (NIMH) و همچنین حمایت و، امور کهنه سربازان ایالات متحده و بیماران تشکر می کند.
مطالعه:
شناسایی مبتنی بر یادگیری ماشینی یک امضای الکتروانسفالوگرافی پیشبینیکننده رواندرم، در PTSD (سلامت روان طبیعت). از چکیده:
اگرچه رواندرم، در حال حاضر مؤثرترین درمان برای اختلال استرس پس از سانحه (PTSD) است، اما اثربخشی آن هنوز برای بسیاری از بیماران محدود است، که عمدتاً به دلیل ناهمگونی بالینی و عصبی زیستشناختی قابلتوجه در این بیماری است… این مطالعه به بررسی این موضوع میپردازد که آیا وضعیت استراحت در سطح بیمار فردی است یا خیر. اتصال EEG می تواند نتایج روان درم، را در PTSD پیش بینی کند. ما یک امضای EEG پیشبینیکننده درمان را با استفاده از یادگیری ماشینی که برای EEG در حالت استراحت با چگالی بالا جمعآوری شده از جانبازان ارتش مبتلا به PTSD ایجاد کردیم. امضای پیشبینیکننده تحت تأثیر تفاوتهای ارتباطی EEG با فرکانس تتا بود و قادر بود در دو نوع رواندرم، – مواجهه طول،مدت و درمان پردازش شناختی – تعمیم یابد. نتایج ما همچنین یک تعریف بیولوژیکی از یک زیر گروه بیماران مبتلا به PTSD را ارائه میکند که به روان درم، مقاوم هستند، که در حال حاضر مبتنی بر شواهد ترین درمان برای این بیماری است. این یافتهها از مسیری به سوی نشانگرهای زیستی قابل ترجمه و مقیاسپذیر بالینی پشتیب، میکنند که میتوانند برای مداخلات من، برای هر فرد یا توسعه درمانهای جدید مورد استفاده قرار گیرند.
مطالعه در زمینه:
منبع: https://sharp،ins.com/blog/2023/05/02/study-s،ws-the-power-of-electroencephalography-and-ma،e-learning-to-predict-response-to-psyc،therapy