Predicting antidepressant response to psychedelics from EEG

Abstract

Deprese je vysilující onemocnění a jedna z hlavních příčin disability na celém světě. Přibližně 30 % pacientů rozvine depresi rezistentní na léčbu (TRD). Současné terapeutické strategie se často opírají o metodu pokus-omyl, přičemž každý pokus vyžaduje několik týdnů k vyhodnocení účinnosti, což prodlužuje utrpení pacientů a zvyšuje náklady na zdravotní péči. Psychdelika ukazují příslib jako rychle účinná antidepressiva. Identifikace biomarkerů léčebné odpovědi by mohla urychlit klinické rozhodování a zlepšit výsledky léčby. Elektroencefalografie (EEG), jakožto neinvazivní a dostupná metoda, v tomto ohledu nabízí slibný potenciál. V randomizované klinické studii pacientů s TRD (N ≈ 60), léčených psilocybinem, ketaminem nebo midazolamem (aktivní placebo), jsem vyvinul data-miningový pipeline k hodnocení EEG prediktorů antidepresivní odpovědi. Pipeline zahrnoval čtyři kroky: (1) extrakci kandidátních a exploratorních EEG rysů (např. míry výkonového spektra, prefrontální theta kordanci, entropie a míry rychlosti entropie, a ukazatele síťové analýzy), (2) redukci dimenzionality, (3) predikci léčebného výsledku pomocí strojového učení a (4) interpretovatelnou analýzu k identifikaci EEG rysů, které predikci ovlivňují. Testování proof-of-concept na datasetu zdravých kontrol prokázalo střední prediktivní...