基于机器学习的经颅直流电刺激(tDCS)对阿片类成瘾者干预效果量化研究新方法

来自多领域的研究人员为突破阿片成瘾传统诊断局限，创新性地融合脑电图(EEG)与经颅直流电刺激(tDCS)技术，通过机器学习算法开发出诊断准确率达94.30%的优化模型，并证实tDCS能显著降低渴求度，为成瘾干预提供精准量化新方案。

　　

阿片成瘾作为重大公共卫生难题，亟需突破传统诊断局限。本研究创新性采用脑电图(EEG)结合经颅直流电刺激(tDCS)技术，招募36名接受美沙酮维持治疗的男性患者随机分为三组：A组左阳极/右阴极tDCS(n=12)、B组右阳极/左阴极tDCS(n=12)及C组假刺激组(n=12)，另设24名健康对照。通过机器学习算法构建优化模型，仅筛选成瘾相关EEG通道即实现94.30%的精准诊断，大幅降低处理成本。进一步结合心理量表与血液生物标志物多维度评估显示，A、B组经tDCS干预后渴求度显著降低。该研究证实tDCS可通过调节神经活动有效缓解阿片成瘾渴求，为临床干预提供量化新范式。