健康

科学と人工知能は、喫煙者の脳刺激をパーソナライズするのに役立ちます

科学と人工知能は、サウスカロライナ医科大学で、やめたい喫煙者向けの個別の反復頭蓋磁気刺激（RTM）につながる可能性のある研究で組み合わされました。 RTMSの有効性と特異性を改善し、副作用を減らしたいと考えています。」 Xingbao Li、MD、研究リーダー 彼は、TMSに関する広範な研究を行った精神医学および行動科学科の准教授です。 彼のチームは、Journal Brain Connectivityでその結果を発表しました。 TMSは電磁パルスを使用して脳の活動に影響を与え、うつ病と強迫性障害の治療におけるその役割で最もよく知られている可能性があります。副作用には、刺激部位での不快感や頭痛が含まれます。 TMSは、喫煙のために食品医薬品局によっても承認されています。サウスカロライナ州では、喫煙者にTMSを提供する最初の場所でした。研究により、特に脳の左背外側前頭前野皮質上のRTMSの複数のセッションが渇望やタバコの消費を削減できることが示されています。 新しいMUSC研究は、それよりもさらにターゲットを絞っています。MachineRearningと呼ばれるAIの形式を使用して、脳のニューラルネットワークから画像を分析して、どの喫煙者がRTMSの複数のセッション（反復TMSとしても知られている）の恩恵を受ける可能性があるかを予測できるかどうかを確認します。 そのために、研究者は機能的な磁気共鳴画像法、つまりfMRIを使用して、脳の活動を測定するために血流の変化を検出しました。彼らは、参加者が休息状態にいて、目を閉じてリラックスし、喫煙写真にさらされたときにニューラルネットワークを見ました。 その分析では、1つのニューラルネットワークが際立っていることがわかりました：Salienceネットワーク。情報をフィルタリングして、焦点を当てる顕著な、または重要なものを決定します。この研究では、Salienceネットワークの接続性がRTMSの有効性の最良の予測因子でした。 「この研究は、パーソナライズされたRTMを拡張し、fMRIおよびマルチモーダルバイオマーカーパイプラインを構築するためのロードマップを提供します。この方法は、他の物質使用障害にも使用できます」とLi氏は述べました。 「歴史的研究は、タバコの喫煙者の報酬ネットワークに焦点を当てています」と彼は続け、動機と喜びに関与する脳の部分について言及しました。 「顕著なネットワークが喫煙行動において非常に重要な役割を果たしていることに驚いた。これにより、顕著性ネットワークはRTMS神経調節と喫煙禁止の成功との間の機械的なブリッジになっている。」 彼らは、機械学習の助けを借りてその橋を見つけました。機械学習では、コンピューターはプログラムされることなくデータから分析および学習します。統計パターンを見つけて適応できるアルゴリズムを使用します。これにより、研究者は自分の仕事のその部分を自動化し、精度を向上させることができます。 この場合、機械学習は、喫煙者のTMSに関する以前のMUSC研究中に収集されたデータを分析しました。 以前の研究がどのように設定されたかは次のとおりです。研究者は、喫煙をやめたいと思っていた42人を募集しました。それらは2つのグループに分かれていました。 1つのグループが実際のTMSを手に入れました。もう1つは、本物のように感じた偽のTMSを手に入れました。彼らは皆、各TMSセッションがタバコや灰皿などと対話する前に1分半を費やしました。そして、TMS、実際の、または偽の間に、喫煙のビデオを見ました。 2週間にわたって1人あたり10セッションがありました。 最終的に、研究者たちは、実際のTMSを「2週間の治療中に1日あたりのタバコが大幅に少ない」を取得した参加者を発見し、目標日までに辞める可能性が高く、タバコに対する渇望が低かった。 Liは、その仕事の一部でもあったfMRIスキャンのおかげで、新しい研究はその調査結果に基づいて構築することができたと言いました。 「機械学習を使用して個人の機能不全の脳ネットワークを識別し、RTMSを機能不全のネットワークに適用すると、喫煙を停止するのを助けるためにRTMSを使用することを好む人、または誰が希望するかを選択できます。」 この研究は、国立衛生研究所からの助成金によってサポートされていました。著者は、利益相反を報告しませんでした。研究チームには、Kevin Caulfield、Ph.D。が含まれています。アンドリュー・チェン博士;クリストファー・マクマハン博士;カレン・ハートウェル、MD;キャスリーン・ブレイディ、MD、博士;マークジョージ、メリーランド Liは、彼らの比較的小さな研究では、喫煙者向けの標的TMSをさらに探求するための大規模な研究の基礎となると述べた。 「これは、MUSC研究者が新規でインパクトのある技術を使用して、固定ターゲット刺激を超えて精密な神経調節に移行できることを示しています。」 ソース：サウスカロライナ医科大学ジャーナルリファレンス：Li、X。、 et al。 （2025）。 Salience Network Connectivityは、禁煙における反復経頭蓋磁気刺激に対する反応を予測します：予備機械学習研究。 脳の接続。 doi.org/10.1177/21580014251376722 1759288067…