编辑推荐：
重度抑郁症（MDD）治疗效果个体差异大，为寻找预测治疗反应的客观生物标志物，研究人员利用功能近红外光谱技术（fNIRS）和临床评估信息，通过机器学习技术进行研究。结果发现 fNIRS 有预测潜力，这为优化治疗方案提供依据。
在当今社会，精神健康问题愈发受到关注，其中重度抑郁症（Major Depressive Disorder，MDD）堪称全球心理健康的一大 “顽疾”。它如同隐匿在人群中的 “暗箭”，悄无声息地影响着超过 3 亿人的生活，不分年龄与背景。目前，MDD 已成为全球致残的主要原因之一，预计到 2030 年，它将 “登顶” 全球疾病负担榜首 。
然而，现有的抗抑郁治疗却面临诸多困境。初次治疗时，仅有约三分之二的患者有反应，治疗效果不佳不仅预示着长期预后不良，还会打击患者寻求帮助的积极性，更可怕的是，治疗抵抗与自杀风险增加紧密相关。这就好比在黑暗中摸索治疗的方向，却总是难以找到那盏照亮前路的明灯。面对如此严峻的现状，寻找能够精准预测治疗反应的客观生物标志物迫在眉睫，它就像一把精准的钥匙，有望打开精准治疗的大门，提高治疗效率，避免无效治疗带来的时间、精力和经济上的浪费。
为此，新加坡国立大学（National University of Singapore）等机构的研究人员挺身而出，开展了一项极具意义的研究。他们聚焦于能否利用功能近红外光谱技术（Functional Near-Infrared Spectroscopy，fNIRS）和临床评估信息，通过机器学习技术预测 MDD 患者的治疗反应 。
研究人员开展此项研究，运用了一系列关键技术方法。在样本选取上，他们从新加坡某大学医院的精神科门诊招募了 70 名临床确诊为 MDD 的患者 。数据收集方面，全面采集了患者的社会人口学和临床信息，在基线（T1）和 6 个月（T8）期间多次评估患者的精神状态，并进行 fNIRS 扫描 。在分析技术上，采用了多种机器学习模型，如支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest）、XGBoost、判别分析（Discriminant Analysis，DA）、朴素贝叶斯（Na?ve Bayes，NB）和基于 transformer 的模型 ，并运用嵌套交叉验证来避免过拟合和减少偏差。
下面让我们来看看具体的研究结果：
- 人口统计学和临床特征：参与研究的 70 名患者，平均年龄 28.7 岁，78.1% 为女性。治疗 6 个月后，15 名患者有反应，49 名无反应，排除 6 名未完成随访评估的患者 。组间比较显示，年龄、性别和基线 HAM-D 评分无显著差异，且从 T4 开始，反应者和无反应者的治疗结果在统计学上有显著差异。
- fNIRS 血红蛋白分析：研究发现，52 个通道中，HAM-D 评分降低百分比与通道 52 中总血红蛋白（HbT）的任务变化存在统计学显著相关性 。在五个脑区中，背外侧前额叶皮质（dlPFC）基线时 HbT 的任务变化与 HAM-D 评分降低显著相关 。左右 dlPFC 中 HbT 的任务变化也与 HAM-D 变化显著相关 。此外，在不同脑区，反应者和无反应者之间 HbT 的均值和任务变化存在显著差异 。
- 多变量分类性能：在众多机器学习分类器中，NB 模型在外部留一法交叉验证（Leave-One-Out Cross-Validation，LOOCV）中表现最为出色 。利用 fNIRS 中 HbT 的任务变化特征，比使用临床变量和 fNIRS 特征组合或仅使用临床变量，能更好地预测 MDD 的治疗反应 。大多数模型中，加入临床变量反而降低了预测性能，而基于 transformer 的模型在处理临床信息和 fNIRS 数据的混合表示时表现相对较差 。
综合来看，研究结论表明，dlPFC 的基线神经活动模式与 HAM-D 评分降低显著相关，可作为 MDD 患者治疗反应的预测标志物 。单独使用单峰 fNIRS 预测指标比双峰特征（结合临床评估变量和 fNIRS 特征）具有更准确的预测性能 。这意味着 fNIRS 有望成为预测抑郁症治疗反应的辅助工具。
从研究讨论部分可知，此前尚无研究将 fNIRS 与机器学习算法结合来预测 MDD 患者的治疗结果 。此次研究发现 dlPFC 区域 HbT 特征的任务变化与 HAM-D 变化显著相关，即完成言语流畅性任务（Verbal Fluency Task，VFT）后 HbT 浓度恢复情况，可在一定程度上反映患者对治疗的反应 。不过，治疗结果还受生活事件、治疗剂量、基因多态性和生活方式等多种因素影响 。
这项研究意义重大。从临床角度看，fNIRS 预测结果能帮助患者更客观地了解治疗进展，提高治疗依从性；临床医生可依据 fNIRS 分析结果，为患者提供更具针对性的心理教育、个性化治疗方案，还能对恢复较慢或不完全的患者加强治疗和监测，优化医疗资源分配 。尽管研究存在样本量小、缺乏独立测试数据等局限性，但为后续研究指明了方向，未来有望通过更大、更多样化的人群研究，为 MDD 患者制定个性化治疗方案，推动临床实践的变革，让更多患者受益。
