强化学习算法推荐个体化重复经颅磁刺激治疗方案以提升难治性抑郁症疗效

《npj Digital Medicine》：Reinforcement learning for repetitive transcranial magnetic stimulation protocol selection in treatment-resistant depression

　　

摘要

重复经颅磁刺激（rTMS），包括间歇性θ爆发刺激（iTBS），是难治性抑郁症的既定治疗手段，但临床医生在选择刺激类型、强度和半球侧别等单次会话级参数时缺乏循证指导。在本研究中，我们探讨了基于常规临床数据训练的强化学习（RL）算法是否能够推荐与更大症状改善相关的会话级rTMS方案，研究使用了2023年1月至2025年6月间在19个诊所组中接受rTMS治疗的1609名成年人的电子健康记录数据。在370名来自保留诊所的患者中，与算法推荐一致的治疗决策相比不一致的治疗，下一次会话的患者健康问卷-9（PHQ-9）评分改善高出0.788分（95%置信区间：0.634–0.940）。若完全遵循每次推荐，预计可额外产生3.22分的改善（95%置信区间：2.72–3.75）。这些发现表明，强化学习能够发现与更大下一次会话改善相关的治疗模式，并可能在整个治疗周期内累积产生具有临床意义的改善。