論文の概要: Fronto-parietal and fronto-temporal EEG coherence as predictive neuromarkers of transcutaneous auricular vagus nerve stimulation response in treatment-resistant schizophrenia: A machine learning study
- arxiv url: http://arxiv.org/abs/2603.13850v1
- Date: Sat, 14 Mar 2026 09:12:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.444617
- Title: Fronto-parietal and fronto-temporal EEG coherence as predictive neuromarkers of transcutaneous auricular vagus nerve stimulation response in treatment-resistant schizophrenia: A machine learning study
- Title（参考訳）: 治療抵抗性統合失調症における経皮的迷走神経刺激反応の予測的神経マーカーとしての前頭頂側脳波と前頭側脳波のコヒーレンス : 機械学習による研究
- Abstract要約: 統合失調症(TRS)の陰性症状に対する経皮的迷走神経刺激(taVNS)の臨床効果についての検討
本研究の目的は,脳波を用いた機械学習モデルを構築し,個人の反応を予測し,関連する神経生理学的メカニズムを探索することであった。
- 参考スコア（独自算出の注目度）: 20.1956735418113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Response variability limits the clinical utility of transcutaneous auricular vagus nerve stimulation (taVNS) for negative symptoms in treatment-resistant schizophrenia (TRS). This study aimed to develop an electroencephalography (EEG)-based machine learning (ML) model to predict individual response and explore associated neurophysiological mechanisms. We used ML to develop and validate predictive models based on pre-treatment EEG data features (power, coherence, and dynamic functional connectivity) from 50 TRS patients enrolled in the taVNS trial, within a nested cross-validation framework. Participants received 20 sessions of active or sham taVNS (n = 25 each) over two weeks, followed by a two-week follow-up. The prediction target was the percentage change in the positive and negative syndrome scale-factor score for negative symptoms (PANSS-FSNS) from baseline to post-treatment, with further evaluation of model specificity and neurophysiological relevance.The optimal model accurately predicted taVNS response in the active group, with predicted PANSS-FSNS changes strongly correlated with observed changes (r = 0.87, p < .001); permutation testing confirmed performance above chance (p < .001). Nine consistently retained features were identified, predominantly fronto-parietal and fronto-temporal coherence features. Negligible predictive performance in the sham group and failure to predict positive symptom change support the predictive specificity of this oscillatory signature for taVNS-related negative symptom improvement. Two coherence features within fronto-parietal-temporal networks showed post-taVNS changes significantly associated with symptom improvement, suggesting dual roles as predictors and potential therapeutic targets. EEG oscillatory neuromarkers enable accurate prediction of individual taVNS response in TRS, supporting mechanism-informed precision neuromodulation strategies.
- Abstract（参考訳）: 治療抵抗性統合失調症(TRS)の陰性症状に対する経皮的迷走神経刺激(taVNS)の臨床的有用性は,応答変動により制限される。
本研究の目的は,脳波を用いた機械学習モデルを構築し,個人の反応を予測し,関連する神経生理学的メカニズムを探索することであった。
筆者らは,TAVNS臨床試験に登録された50名のTRS患者の前処理脳波データの特徴(パワー,コヒーレンス,動的機能接続)に基づいて,ネスト型クロスバリデーションフレームワークを用いて予測モデルの開発と評価を行った。
参加者は2週間で20セッションのアクティブまたはシェームのtaVNS(n = 25)を受け、その後2週間のフォローアップを行った。
予測対象は, 陰性症状(PANSS-FSNS)に対する陰性症状(PANSS-FSNS)の正と負の尺度スコアの変化であり, モデル特異性および神経生理学的関連性についてさらに評価し, 予測されたPANSS-FSNSの変化は観察された変化と強く相関する(r = 0.87, p < .001)。
9つの連続した特徴が同定され, 主に前頭頭頂部と前頭側頭葉のコヒーレンスの特徴が認められた。
シャム群の無視的予測性能と正の症状変化の予測に失敗すると、この発振シグナルの予測特異性は、taVNS関連陰性症状の改善に有効である。
前頭葉側頭葉側頭葉ネットワークにおける2つのコヒーレンスの特徴は, 症状改善に有意な関与を示し, 予測因子と治療標的としての役割が示唆された。
脳波振動型ニューロマーカーは、TRSにおける個々のtaVNS応答の正確な予測を可能にし、メカニズムインフォームド精密なニューロモジュレーション戦略をサポートする。
関連論文リスト
- Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。
これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。
連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
論文 参考訳（メタデータ） (2025-11-06T20:16:33Z) - Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。
従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。
本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。
我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
論文 参考訳（メタデータ） (2025-10-02T19:38:46Z) - Predicting Parkinson's Disease Progression Using Statistical and Neural Mixed Effects Models: A Comparative Study on Longitudinal Biomarkers [7.953527165578974]
パーキンソン病(PD)の進行を予測することは重要であり、音声バイオマーカーは遠隔監視を通じて症状の重症度(UPDRS)を追跡する非侵襲的な方法を提供する。
本研究は2つの先進ハイブリッドアプローチに対してLMMをベンチマークする。
PDRS予測におけるこれらのモデルの性能を評価し,PD研究と臨床応用の実践的ガイダンスを提供する。
論文 参考訳（メタデータ） (2025-07-26T20:56:32Z) - Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。
我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。
SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
論文 参考訳（メタデータ） (2025-02-15T06:33:02Z) - Deep learning for objective estimation of Parkinsonian tremor severity [0.0]
パーキンソン病の術後の震動を解析するためのピクセルベース深層学習モデルを提案する。
2大陸にまたがる5つの運動障害センターから2,742件の評価を受けた。
症状の左右非対称性を検出し、震度の違いを区別した。
論文 参考訳（メタデータ） (2024-09-03T16:00:34Z) - Probabilistic Temporal Prediction of Continuous Disease Trajectories and Treatment Effects Using Neural SDEs [6.5527554277858275]
神経差分方程式(NSDE)による疾患進行の持続的時間的進化をモデル化するための最初の因果時間的枠組みを提示する。
本研究は,将来のMS障害(EDSSなど)と治療効果を正確に予測するための,不確実性に基づく因果学習(DL)モデルとして,最初の成功例を示す。
論文 参考訳（メタデータ） (2024-06-18T17:22:55Z) - DisorderUnetLM: Validating ProteinUnet for efficient protein intrinsic disorder prediction [0.0]
内因性障害領域の予測は、タンパク質の機能やダイナミクスを理解する上で重要な意味を持つ。
近年,タンパク質言語モデル(pLM)に基づく新しい世代の予測器が出現している。
本稿では、タンパク質Unetの考え方に基づく新しい障害UnetLM障害予測器について紹介する。
論文 参考訳（メタデータ） (2024-04-11T20:14:14Z) - fMRI Neurofeedback Learning Patterns are Predictive of Personal and
Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。
署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文 参考訳（メタデータ） (2021-12-21T06:52:48Z) - Learning Personal Representations from fMRIby Predicting Neurofeedback
Performance [52.77024349608834]
機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。
この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
論文 参考訳（メタデータ） (2021-12-06T10:16:54Z) - Comparison of single and multitask learning for predicting cognitive
decline based on MRI data [0.41998444721319217]
アルツハイマー病評価尺度(英: Alzheimer's Disease Assessment Scale-Cognitive subscale、ADAS-Cog)は、神経心理学のツールである。
ADAS-Cogスコアの変化の予測は、認知症および無リスク集団のタイミング治療介入に役立つ可能性がある。
予測モデルを学習するための推奨方法は、単一タスク正規化線形回帰である。
論文 参考訳（メタデータ） (2021-09-21T15:46:42Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。