یک داروی ضد افسردگی برای شما مناسب است ؟ درخواست امواج مغزی خود را

افرادی که برای درمان افسردگی اغلب به رنج می برند از طریق ماه از آزمون و خطا و تست داروهای مختلف را به ببینید که کدام یک از آنها را—در صورت وجود—کمک خواهد کرد. برای مدت زمان طولانی دانشمندان و پزشکان را امیدوار به صورت بیولوژیکی به معنی تشخیص افسردگی یا پیش بینی است که بیماران را انجام خواهد داد بهتر است در درمان داده شده. یک مطالعه جدید طول می کشد یک گام به سوی دومی نوع پیش بینی با پیدا کردن یک متمایز امضا با روش غیر تهاجمی از الکتروانسفالوگرافی (EEG) را به آزمون خواهد شد که به نفع یکی از شایع افسردگی است.

مطالعه منتشر شده در دوشنبه در بیوتکنولوژی طبیعتو به دنبال آن بیش از 300 نفر با افسردگی به عنوان آنها شروع به مصرف داروی سرترالین (Zoloft) و یا دارونما. یک الگوریتم کامپیوتر می تواند تشخیص مورد eeg از کسانی که شانس خوبی در این دارو از کسانی که نمی. آموزش دیده در یک گروه این الگوریتم نیز به طور موثر پیش بینی نتایج در چندین دیگران است.

کار اولیه است و نیاز به تایید با مطالعات بیشتر و گسترده شامل درمان های دیگر مانند انواع مختلف داروهای ضد افسردگی تحريک مغناطیسی تحریک و روان درمانی است. اما “در این زمینه من این خود یک گام بزرگ است. ما نه تا به حال این نوع پيش بينی کننده های خاص برای مبارزه با مواد مخدر می گوید:” Madhukar Trivedi, یک روانپزشک در دانشگاه تگزاس جنوب غربی مرکز پزشکی پیتر o’donnell جونیور موسسه مغز که نظارت multisite محاکمه.

در حال حاضر پزشکان به بیماران هر کدام داروی ضد افسردگی آنها می خواهم بهترین و پس از آن — برای همه گزینه ها در این کلاس از مواد مخدر—آنها باید صبر کنید شش تا هشت هفته به دانستن آن است که آیا کار می کند یا نه می گوید: Amit Etkin, که همچنین نظارت تحقیقات. اگر این دارو به خوبی کار نمی کند, ممکن است یکی دیگر از شش هفته قبل از آنها می دانم که آیا یک دوز مختلف و یا یک داروی جدید موثر تر است. در همین حال بسیاری از افرادی که به دنبال دارو هستند در معرض خطر خودکشی و یا بیش از حد افسرده به طور معمول تابع.

“این ایده که ما پذیرفته شده به عنوان یک میدان به عنوان یک جهان که در آن طول می کشد هشت هفته یا بیشتر به دیدن یک داروی ضد افسردگی پاسخ و که که خوب است—که هرگز نباید باشه می گوید:” Etkin که در حال حاضر در مرخصی از دانشگاه استنفورد به دنبال تجاریسازی EEG-بر اساس تشخیصی. “ما باید عذرخواهی تمام وقت که در مورد عدم پذیرش آن است.” یک در هشت آمریکایی ها در حال حاضر طول می کشد یک داروی ضد افسردگی پس از بهبود روند تطبیق یک بیمار به یک دارو می تواند تعداد زیادی از مردم ،

تام Insel رئیس سابق موسسه ملی سلامت روان و در حال حاضر یک کارآفرین فکر می کند این رویکرد—اگر ثابت از طریق تحقیقات بیشتر—می تواند بسیار مفید برای بیماران و پزشکان. “این یک گام رو به جلو است. این لحظه ای مهم برای گفتن “بله, ما در واقع می تواند در انجام بهتر” می گوید: “Insel بود که نه درگیر در مقاله جدید بود اما سر از NIMH هنگامی که آن تصمیم به صندوق پژوهش. “اگر ما می تواند به نجات این افراد به مدت شش هفته در دادگاه سرترالین که صرفه جویی در وقت و پول و دریافت نتایج بهتر.”

امروز حدود 40 درصد از بیماران را در پاسخ به اولین داروی آنها داده Etkin می گوید. او در مطالعه حدود 65 درصد از بيماران که EEG امضای پیشنهاد آنها پاسخ خوبی به سرترالین را. حتی اگر رویکرد بهبود نمی یابد به عنوان Etkin امیدوار است آن را, آن است که هنوز هم قابل ملاحظه ای نسبت به روش فعلی او می گوید.

امروز داروهای روانپزشکی کار نمی کند بهتر از دارونما برای بسیاری از مردم که به آنها داده است شهرت بی اثر است. اما این مشکل ممکن است تشخیص, نه مخدر, Etkin می گوید. شاید زمان راه ما تشخیص مبهم است دلیل آن است که وابسته به زیست شناسی از این بیماری است. “این همه ذهنی, گزارش,” او می گوید. اگر می تواند به دانشمندان در تشخیص بر اساس یک نشانگر زیستی, تشخیص, را تبدیل به هدف بیشتر و همان درمان به نظر می رسد موثر تر چرا که آنها بهتر خواهد بود به بيماران همسان که از آنها بهره مند شوند. EEG دارای تعداد زیادی از مزایای به عنوان یک تشخیصی, Etkin می گوید: آن است که نسبتا ارزان و به آسانی در دسترس و آسان برای مدیریت.

استفاده از هوش مصنوعی محدود است در زمینه بهداشت روانی آن بسیار چالش برانگیز است به مجموعه داده های بزرگ ، محققان نمی تواند تکیه می کنند به طور فزاینده ای محبوب هوش مصنوعی تکنیک شناخته شده به عنوان یادگیری عمیق, چرا که این امر نیاز به دیتا از 100,000 بیماران و یا طوری به پیش بینی که نیست عملی در روانپزشکی ، به جای Etkin و همکارانش ایجاد یک الگوریتم ساده تر به معدن غنای EEG داده و امکان استفاده از نسبتا زیادی از بیماران آنها را داشته باشد. زودتر تلاش برای پیدا کردن یک امضای بدون استفاده از هوش مصنوعی شکست خورده کاغذ را نشان می دهد و علائم بیماران کمک نمی کند توگا آنها.

EEG اقدامات فعالیت الکتریکی مغز از طریق الکترودهای قرار داده شده در جمجمه است. برخی از الگوهای فعالیت در سمت چپ عضو پیشنهاد کرد که یک بیمار خواهد کرایه بهتر در سرترالین, Trivedi می گوید. در این مطالعه محققان با استفاده از الگوریتم مشابه سعی کنید برای پیدا کردن یک امضا—عدم وجود همان نشانگر—که پیش بینی می کند که بیماران را به خوبی پاسخ تحريک magnetic stimulation (TMS) که ارائه مکرر مغناطیسی پالس را به نواحی از مغز تصور می شود درگیر در افسردگی است.

“از یک بیمار چشم انداز است که بسیار ارزشمند گام می گوید:” Martijn Arns دیگر نویسنده این مقاله و مدیر پژوهش از Brainclinics بنیاد در هلند. “به جای استفاده از ‘مراقبت از پا” است که در آن یک بیمار آغاز شده است در ‘ساده’ درمان و تشدید هر زمان [آن شخص] پاسخ نمی دهند ما هم اکنون می توانید راهنمای کسی که با سرعت بیشتری به درمان مناسب است که کار خواهد کرد برای [او] با استفاده از یک نشانگر.”

سباستین Olbrich EEG محقق بود که درگیر در مطالعه جدید می گوید که اگر چه به نظر او این مقاله یک “تکه بزرگ از کار” او نگران است که محققان تیم را آموزش الگوریتم خود را در TMS قبل از رسم نتیجه گیری خود را. “آنها تنها آموزش آن را بر روی یکی از گزینه های درمان و سپس اعمال آن را به دیگری” است که مناسب نیست ،

هنوز Olbrich یک روانپزشک و رئیس جمهور از بین المللی Pharmaco EEG جامعه می گوید: او مشتاق به دیدن این مطالعه گسترش به دیگر افسردگی درمان است. “اگر شما این کار را برای چندین گزینه های درمان این است که واقعا یک گام بزرگ برای روانپزشکی,” او می گوید.

Trivedi می گوید که او در نهایت می خواهم به منظور توسعه EEG آزمون است که می تواند شناسایی امضای افسردگی قبل از اینکه یک فرد دچار علائم آن است. او اضافه می کند که او شروع مطالعه با حدود 1200 داوطلب که او به دنبال در طول زمان است. او را بررسی و با آنها چند بار در سال شروع به توسعه مدل های پیش بینی در مورد خواهد شد که تجربه افسردگی و خواهد کرد که بهبود یافتن از آن است.

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>