Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les aides neuves d'algorithme d'AI prévoient la réaction de médicament dans les patients présentant des troubles affectifs complexes

Les troubles affectifs comme le trouble dépressif et (MDD) le trouble bipolaire principaux sont souvent complexes et difficiles de diagnostiquer, particulièrement parmi la jeunesse quand la maladie évolue juste. Ceci peut prendre des décisions au sujet de médicament difficiles. Dans une étude collaborative d'institut de recherches de santé de Lawson, le réseau de recherches d'esprit et le centre de Brainnetome, chercheurs ont développé un algorithme (AI) d'artificial intelligence qui analyse des échographies de cerveau pour classifier mieux la maladie dans les patients présentant des troubles affectifs complexes et pour aider à prévoir leur réaction au médicament.

La pleine étude a compris 78 patients adultes apparaissants des programmes de santé mentale aux sciences de santé de Londres centrent (LHSC), principalement du premier programme d'humeur et d'inquiétude d'épisode (FEMAP). La première partie patients impliqués d'étude des 66 avait déjà complété la demande de règlement pour dont un diagnostic clair MDD ou type bipolaire I (I) bipolaire, qui est une forme du trouble bipolaire qui comporte de pleins épisodes maniaques, ainsi que des 33 complémentaires recherchent des participants sans l'histoire de la maladie mentale. Chacun individuel participé à la lecture pour examiner différents réseaux de cerveau utilisant les capacités fonctionnelles de l'imagerie par résonance magnétique (fMRI) de Lawson à la santé Londres de St Joseph.

L'équipe de recherche analysée et comparée les échographies de ceux avec MDD, I bipolaire et aucune histoire de la maladie mentale, et trouvée les trois groupes a différé en particulier des réseaux de cerveau. Ces régions incluses dans le réseau de mode de défaut, un ensemble de régions vraisemblablement importantes pour l'auto-réflexion, ainsi que dans le thalamus, une « passerelle » qui branche des régions corticales multiples et les aides règlent l'éveil et la vigilance.

La caractéristique a été employée par des chercheurs au réseau de recherches d'esprit pour développer un algorithme d'AI qui emploie l'apprentissage automatique pour examiner des échographies de fMRI pour classifier si un patient a MDD ou I. bipolaire. Une fois vérifié contre les participants de recherches avec un diagnostic connu, l'algorithme a correctement classifié leur maladie avec 92,4 pour cent d'exactitude.

L'équipe de recherche a alors exécuté la représentation avec 12 participants complémentaires avec les troubles affectifs complexes pour qui un diagnostic n'était pas clair. Ils avaient l'habitude l'algorithme pour étudier la fonction cérébrale d'un participant pour prévoir son diagnostic et, d'une manière primordiale, ont examiné la réaction du participant au médicament.

Les « antidépresseurs sont l'étalon-or le traitement que pharmaceutique pour MDD tandis que les stabilisateurs d'humeur sont l'étalon-or pour I bipolaire, » indique M. Elizabeth Osuch, un clinicien-scientifique chez Lawson, directeur médical à FEMAP et chercheur de Co-fil sur l'étude. « Mais il devient difficile de prévoir quel médicament fonctionnera dans les patients présentant des troubles affectifs complexes quand un diagnostic n'est pas clair. Ils répondront mieux à un antidépresseur ou à un stabilisateur d'humeur ? »

L'équipe de recherche a présumé que les participants classifiés par l'algorithme en tant qu'ayant MDD répondraient aux antidépresseurs tandis que ceux classifiés en tant qu'ayant bipolaire je répondraient aux stabilisateurs d'humeur. Une fois vérifiés avec les patients complexes, 11 sur 12 ont répondu au médicament prévu par l'algorithme.

« Cette étude prend une mesure importante vers trouver un biomarqueur de réaction de médicament dans les adultes apparaissants avec des troubles affectifs complexes, » dit M. Osuch. « Elle propose également que nous puissions un jour avoir une mesure objective de la maladie psychiatrique par l'imagerie cérébrale qui rendrait le diagnostic plus rapide, plus efficace et plus cohérent en travers des fournisseurs de soins de santé. »

Les psychiatres effectuent actuel un diagnostic basé sur l'histoire et le comportement d'un patient. Des décisions de médicament sont basées sur ce diagnostic. « Ceci peut être difficile avec des troubles affectifs complexes et dans le cours tôt d'une maladie quand les sympt40mes peuvent être moins bien définis, » dit M. Osuch. Les « patients peuvent également avoir plus d'un diagnostic, tel qu'une combinaison des troubles affectifs et d'un trouble de toxicomanie, davantage de diagnostic de complication. Avoir un test ou une procédure biologique pour recenser quelle classe de médicament un patient répondra avancerait de manière significative l'inducteur de la psychiatrie. »

Source : https://www.lawsonresearch.ca/machine-learning-could-predict-medication-response-patients-complex-mood-disorders