近日，一项发表在《自然—生物技术》的研究报道，来自美国斯坦福大学的Amit .Etkin研究团队，针对脑电波设计了一种潜在空间机器学习算法，可以根据抑郁症患者的大脑活动进行预测抗抑郁药的疗效。这种人工智能的应用，为抑郁的个性化治疗提供了临床途径，在未来对抑郁症患者的治疗有潜在的意义。

抑郁症的治疗主要以心理治疗和药物治疗为主，目前抗抑郁药的处方很多，代表药物有氟西汀、帕罗西汀、舍曲林、文拉法辛、米氮平等，但是并不是所有的药都有效果，有些和安慰剂相比，疗效其实并不高。部分原因是重度抑郁症的临床诊断包括生物学上的异质性疾病，还有就是，医生只能根据患者的描述等少量信息进行开药，并不能确切地知道患者进行大脑里发生了什么。

为了确定抗抑郁治疗的反应与安慰剂相比的神经生物学特征，研究人员设计了一种针对脑电波量身定制的潜在空间机器学习算法，并将其应用于最大的成像耦合，安慰剂对照抗抑郁研究（n = 309）的数据。

研究团队收集了228名18至65岁的抑郁症患者的脑电波记录。这些人之前曾服用过抗抑郁药物，但在研究开始时并没有服用这类药物。在这228名受试者中，研究人员让大约一半的人服用舍曲林，其余的人服用安慰剂。随后8周内，研究人员对受试者的情绪进行了监测，并使用抑郁评分量表对其情绪变化进行测量。通过比较对药物反应良好和对药物没有反应的受试者的脑电图记录，机器学习算法能够识别特定的大脑活动模式，从而有可能发现舍曲林是否对治疗抑郁症起帮助作用。

研究发现，以抗抑郁药舍曲林特异的方式（相对于安慰剂）有力地预测了症状的改善，也可在不同的研究地点和脑电图设备中推广。舍曲林预测的脑电图特征普遍适用于两个抑郁症样本，其中反映了一般的抗抑郁药物反应性，并与重复经颅磁刺激治疗结果不同。

这项研究通过一个人工智能（脑电波量身定制的计算模型）促进了对抗抑郁药物治疗的神经生物学理解，并为抑郁的个性化治疗提供了临床途径。

参考文献：

Wei Wu, Yu Zhang, Jing Jiang, Molly V. Lucas, Gregory A. Fonzo, Camarin E. Rolle, Crystal Cooper, Cherise Chin-Fatt, Noralie Krepel, Carena A. Cornelssen, Rachael Wright, Russell T. Toll, Amit Etkin, etc.An electroencephalographic signature predicts antidepressant response in major depression，Nature Biotechnology,https://doi.org/10.1038/s41587-019-0397-3