Трипартиционная классификация на основе искусственного интеллекта для оптимизации носимой биоэлектроники в лечении депрессии

Современные устройства для выявления заболеваний в основном предназначены для различения здорового состояния и состояния болезни, что эффективно для диагностики, но ограничивает возможность определения оптимального времени профилактического вмешательства. Мы разработали трипартиционную систему, позволяющую выявлять предболезненное состояние при депрессии — обратимую фазу, предшествующую необратимому началу заболевания. С использованием теории сложных систем мы проанализировали ранние предупреждающие сигналы, возникающие по мере приближения биологических систем к критическим переходам. Непрерывный мониторинг девяти мультимодальных биомаркеров, охватывающих электрофизиологические, поведенческие и биологические показатели, обеспечил классификацию состояний на нормальное, предболезненное и болезненное путем количественного определения критических точек. Агент искусственного интеллекта классифицировал состояния болезни с точностью 95,2% на основе мультимодальных данных; это стало возможным благодаря ультрамягким нейронным зондам, обеспечивающим стабильную регистрацию с минимальным повреждением тканей. Терапевтическая валидация с использованием прикрепляемого к коже беспроводного стимулятора блуждающего нерва, интегрированного с мягкими трехмерными электродами, продемонстрировала более высокую эффективность при предболезненном состоянии. У субъектов, получавших лечение на предболезненной стадии, восстановление происходило быстрее и терапевтический ответ был выражен сильнее, тогда как у тех, кого лечили после начала заболевания, полного восстановления достичь не удалось. Эта система обеспечивает основанное на доказательствах обоснование раннего вмешательства.