В последние годы повторная транскраниальная магнитная стимуляция (рТМС) зарекомендовала себя как эффективный метод лечения резистентной депрессии (РД). Однако предсказать, кто из пациентов получит наилучший результат, было сложно. Исследование, проведенное на базе Университета Калифорнии в Сан-Диего, направлено на решение этой проблемы с помощью машинного обучения.
В рамках ретроспективного анализа были изучены электронные медицинские записи 232 пациентов с РД, которые проходили лечение рТМС с 2017 по 2023 год. Исследователи применили методы машинного обучения для анализа социодемографических, клинических и связанных с лечением данных, чтобы предсказать реакцию на терапию и вероятность ремиссии.
Результаты показали, что модели машинного обучения могут достаточно точно различать пациентов, которые ответили на лечение, и тех, кто не ответил. Наиболее важными предикторами успешного ответа на рТМС оказались наличие сопутствующей тревожности, ожирение, использование бензодиазепинов и антипсихотиков, а также длительность депрессивного эпизода. Интересно, что пациенты с историей травмы и бывшие курильщики имели более высокие шансы на положительный ответ на лечение.
Кроме того, использование протокола интермиттирующей тета-импульсной стимуляции и увеличение количества сеансов рТМС также были связаны с лучшими результатами. Эти находки подчеркивают потенциал применения методов машинного обучения для оптимизации клинических решений в лечении РД.
Таким образом, данное исследование открывает новые горизонты для персонализированного подхода к лечению депрессии, позволяя врачам более точно определять, какие пациенты могут получить максимальную пользу от рТМС.