Machine learning in major depression: From classification to treatment outcome prediction.
Machine learning in major depression: From classification to treatment outcome prediction.
复制标题
重度抑郁症的机器学习：从分类到治疗结果预测。
DOI：
10.1111/cns.13048
复制
发表时间：
2018-11
影响因子：
5.5
通讯作者：
Sui J
中科院分区：
文献类型：
--
作者：
Gao S;Calhoun VD;Sui J
重度抑郁症 (MDD) 是导致残疾和发病的最大单一原因，影响着全世界约 10% 的人口。目前，尚无临床上有用的诊断生物标志物能够在抑郁发作早期确诊双相情感障碍 (BD) 的 MDD。基于机器学习探索情绪障碍的转化生物标志物是一种非常具有挑战性的方法，具有提高我们对这些疾病的理解的巨大潜力。在本文中，我们回顾了用于脑成像分类和预测的机器学习方法，特别是针对重度抑郁症，并概述了使用磁共振成像数据进行的研究：1）将MDD与对照组或其他情绪障碍进行分类； 2) 研究情绪障碍个体患者的治疗结果预测因素。还讨论了与 MDD 生物标志物识别相关的挑战、未来方向和潜在限制，目的是提供全面的概述，帮助读者更好地理解神经影像数据挖掘在抑郁症中的应用。我们希望这些努力能够突显急需的治疗范式转变的必要性，以指导个性化的最佳临床护理。
Major depression disorder (MDD) is the single greatest cause of disability and morbidity, and affects about 10% of the population worldwide. Currently, there are no clinically useful diagnostic biomarkers that are able to confirm a diagnosis of MDD from bipolar disorder (BD) in the early depressive episode. Exploring translational biomarkers of mood disorders based on machine learning is a very challenging approach, with great potential to improve our understanding of these disorders. In this paper, we review machine learning methods used for brain imaging classification and predictions, specifically, for major depression disorder, and provide an overview of studies that have used magnetic resonance imaging data to 1) classify MDDs from controls or other mood disorders; 2) investigate treatment outcome predictors for individual patients with mood disorders. Challenges, future directions and potential limitations related to MDD biomarker identification are also discussed, with a goal of offering a comprehensive overview that may help readers to better understand the applications of neuroimaging data mining in depression. We hope such efforts may highlight the need for an urgently-needed paradigm shift in treatment, to guide personalized optimal clinical care.
登录
查看更多内容
影响因子：
10.6
作者：
Batmanghelich NK;Taskar B;Davatzikos C
通讯作者：
Davatzikos C
神经影像学中脑部疾病的单受试者预测：前景和陷阱
影响因子：
5.7
作者：
Arbabshirani MR;Plis S;Sui J;Calhoun VD
通讯作者：
Calhoun VD
DOI：
10.1109/titb.2008.923773
发表时间：
2009-09-01
影响因子：
--
作者：
Calhoun, Vince D.;Adali, Tuelay
通讯作者：
Adali, Tuelay
影响因子：
1.7
作者：
Costafreda, Sergi G.;Khanna, Akash;Fu, Cynthia H. Y.
通讯作者：
Fu, Cynthia H. Y.
用于诊断重度抑郁症的异常功能连接：判别分析
影响因子：
11.9
作者：
Cao, Longlong;Guo, Shuixia;Liu, Zhening
通讯作者：
Liu, Zhening