从治疗期间症状轨迹预测最终TMS结局

《Journal of Affective Disorders Reports》：Predicting Final TMS Outcomes From Symptom Trajectory During Treatment

　　

背景：TMS治疗期间的症状改善可能预测治疗反应，但尚不清楚这种早期变化是否具有临床实用性。
目的：评估在未达到应答标准的重性抑郁症（MDD）患者中，TMS治疗期间症状改善对治疗结局的预测价值。
方法：研究人员回顾性分析了458例接受Brainsway H1线圈（靶向背外侧前额叶皮层）治疗患者的临床数据。在治疗前、第10次、第20次、第30次和第36次治疗时收集快速抑郁症状问卷（QIDS）评分。分析包括：通过逻辑回归根据TMS治疗期间症状改善预测治疗结束时的应答者状态；通过线性回归根据治疗期间QIDS变化预测治疗结束时QIDS变化；以及通过多元回归检验个体症状改善是否预测最终改善。
结果：TMS治疗期间的症状改善预测了更高的最终应答概率，模型区分度从第10次治疗（T10）到第20次治疗（T20）增加，但在第30次治疗（T30）时未进一步增加。在留一交叉验证中，基于T10（R=0.42，p<10^-15）、T20（R=0.59，p<10^-15）和T30（R=0.73，p<10^-15）的早期改善预测第36次治疗时最终预测QIDS百分比变化之间存在强相关性。基于这些数据，研究人员报告了一个公式和一个免费的网络应用程序，用于根据早期反应预测最终治疗反应。经错误发现率（FDR）校正后，无单个QIDS条目显著预测最终改善。
结论：TMS治疗期间的症状改善（以百分比改善、原始变化或经验应答率衡量）为研究人员中心尚未达到早期应答标准的患者的最终TMS反应提供了稳健、临床可解释的预测。研究人员提供了一个免费网络应用程序，用于根据早期改善自动预测最终反应（moiraitms.streamlit.app）。

论文解读文章

研究背景、问题与研究意义

重复经颅磁刺激（rTMS）是治疗重性抑郁症（MDD）的证据充分的无创疗法，尤其适用于难治性抑郁症（TRD）。尽管大规模试验和荟萃分析支持其疗效，但仍有30%–50%的患者未达到治疗应答（即症状改善≥50%）。这种疗效变异性凸显了寻找可靠疗效预测因子，尤其是治疗早期预测因子的必要性。近年来，TMS治疗期间的症状变化被认为是最具可操作性的预测指标之一。部分研究显示早期改善强烈预测最终应答，这一发现已在10 Hz标准方案和加速间歇性θ脉冲刺激（aiTBS）方案中得到复现。然而，关于无改善作为阴性预测指标的临床价值仍存在争议：有研究认为前10次治疗缺乏改善排除后续应答的能力有限，而另一些研究则显示其具有指导治疗决策的阴性预测价值。基线特征（如初始严重度较高、抗抑郁药失败次数较少、发作期较短）虽与较好结局相关，但其阴性预测值不足以指导决策。近期研究尝试结合基线数据、风险因素（如肥胖、抗精神病药物使用）及潜在神经生理学生物标志物（如额叶θ一致性）来改善预测，但常受限于小样本或难以转化为临床工作流程。方法学综述强调需要利用常规收集的临床数据（尤其是治疗期间症状变化）构建实用且统计严谨的预测模型。同时，加速刺激方案的研究证实早期症状改善仍是强预测因子，但多数研究聚焦于固定阈值（如前10次治疗改善≥20%），未探讨不同早期改善水平如何转化为后续成功概率。目前缺乏一个综合的统计框架来量化在不同治疗阶段“足够”的早期改善程度，以及特定症状领域是否具有更大的预后权重。本研究旨在基于大样本自然主义数据集，采用多模态统计框架，评估背外侧前额叶皮层TMS治疗期间症状改善对最终结局的预测价值，并开发临床可解释的模型以支持实时决策。该论文发表于《Journal of Affective Disorders Reports》。

主要关键技术方法

本研究为回顾性队列研究，数据来自2014年3月至2025年2月在McLean Hospital（Belmont, MA）接受TMS治疗的458例MDD患者。所有患者均使用Brainsway H1线圈靶向背外侧前额叶皮层。关键方法包括：（1）采用二项逻辑回归，以治疗第10次（T10）、第20次（T20）、第30次（T30）时的QIDS百分比改善为自变量，预测治疗结束时（T36）的应答状态（应答定义为QIDS总分减少≥50%），并纳入基线QIDS、性别、年龄作为协变量；（2）采用线性回归，以相同时间点的QIDS百分比改善预测最终QIDS百分比变化；（3）描述性分析：将早期改善分为8个区间（-50%至-20%、-20%至-10%、-10%至0%、0%至10%、10%至20%、20%至30%、30%至40%、40%至50%），计算各区间经验应答率；（4）多元线性回归评估个体QIDS条目改善对总体改善的预测价值，并进行错误发现率（FDR）校正。模型性能通过AUC、Brier评分、留一交叉验证（LOOCV）及Welch t检验评估。

研究结果

**早期百分比改善作为治疗结束时应答状态的预测因子**
基于T10、T20、T30的百分比改善构建的二项逻辑回归模型显示：早期改善越大，最终达到应答标准的概率越高。模型AUC分别为0.66、0.728、0.706，表明具有有意义的区分能力；Brier评分分别为0.204、0.168、0.123，校准良好。留一交叉验证中，T10、T20、T30的Pearson R分别为0.205、0.321、0.189（均p<0.001），AUC分别为0.623、0.702、0.662。所有模型中均排除了已早期应答者（T10：406例；T20：348例；T30：316例），证明预测力来自尚未达到应答标准的患者。

**从早期QIDS百分比变化预测最终QIDS百分比变化**
线性回归显示，各时间点早期改善显著预测最终改善，且预测强度随时间增加：T10时R=0.42，T20时R=0.59，T30时R=0.73（均p<10^-15）。这表明早期百分比变化显著预测最终百分比变化，且预测值随治疗进程增强。

**按早期改善区间观察最终改善**
在各治疗里程碑，早期改善越大，最终QIDS百分比改善中位数越高。例如，T10时，-20%至-10%改善区间的应答率为14%，40%–50%改善区间达58%；T20时相应区间为8%至52%；T30时为0%至35%。两组率Z检验显示，相邻区间间存在显著差异，如T10的-50%至-20%与-20%至-10%区间（p=0.037）、0%至10%与10%至20%区间（p=0.037）、20%至30%与30%至40%区间（p=0.013）；T20的0%至10%与10%至20%区间（p=0.046）。

**个体症状改善对治疗结束时总体改善的预测价值**
多元线性回归以最终QIDS原始变化为因变量，以各时间点总QIDS变化及各QIDS条目变化为自变量。经FDR校正后，在任何治疗里程碑，无单个QIDS条目对最终QIDS原始变化具有统计学显著影响。未校正p值提示某些条目（如T30时的能量条目（条目14））可能存在潜在关联，但未达校正阈值。模型R²=0.67，调整R²=0.64（F=17.38，df=51,428，p<10^-15）。因此，早期个体症状领域的变化可能对临床决策或预后判断价值有限。

总结讨论与结论翻译

讨论部分指出，本研究回答了核心临床问题：早期反应程度能否可靠预测TMS最终结局。研究表明，治疗期间症状变化是强有力且临床相关的最终治疗结局预测因子。在二项、线性和经验应答率分析中，治疗最初几周的症状改善均显示出显著预测力，支持将治疗轨迹监测用于指导实时治疗决策。即使适度的早期获益也与最终应答可能性增加相关，且预测准确性随疗程进展而提高。这些结果与先前大规模研究和荟萃分析一致，但本研究更强调将早期变化作为连续变量而非固定阈值来建模，从而提供概率性估计，具有即时临床实用性。早期QIDS百分比变化可靠预测最终百分比变化，连续建模可实现个体化预后预测。基于这些发现，研究人员开发了免费网络应用（moiraitms.streamlit.app）用于探索性决策支持。一个意外发现是：个体QIDS条目的早期变化并不比总体QIDS改善提供更多预测信息，提示在自然主义临床环境中，总体症状变化比单一领域变化更可靠。局限性包括：回顾性单中心设计、未测量变量（如药物调整、共病）可能影响结果、依赖自评QIDS、模型训练与测试在同一数据集、条目分析受多重比较校正约束、评估与治疗里程碑而非绝对时间关联、模型采用一阶线性拟合而非更高阶或指数衰减形式。此外，排除已应答者可能改变轨迹分布，降低生态效度。

**研究结论（原文翻译）**
总之，治疗期间的症状变化——无论以百分比改善、原始变化还是经验应答率衡量——均提供了可解释的概率性信息，有助于在TMS治疗过程中对治疗轨迹进行情境化解读。通过证明预测信息在治疗期间出现且最好被理解为连续体，本研究推进了先前工作，并为概率性、个体化预测提供了实用框架。将这些指标整合到适应性临床算法中有助于情境化治疗期望，并促进关于治疗轨迹的更知情讨论，研究人员已通过免费网络应用使其更易于临床获取。前瞻性、多中心验证及更广泛结局指标对于将这些预测工具纳入常规实践至关重要。