杂志封面与论文页

　　近日，国际著名学术期刊Nature的子刊Nature Biotechnology（《自然-生物技术》，工程技术领域顶级期刊，影响因子35.7）以Article形式正式发表研究论文“An electroencephalographic signature predicts antidepressant response in major depression”。论文以华南理工大学自动化科学与工程学院吴畏研究员为第一作者、华南理工大学为第一单位，斯坦福大学、哈佛大学医学院、哥伦比亚大学、德州大学西南医学中心等为合作研究单位。这是自动化科学与工程学院近年来大力发展脑科学技术取得的新突破，以及在人工智能和生物医学信息分析交叉学科研究中取得的突出成果。

　　论文报道了一种能够预测抗抑郁药物疗效的脑电生物标记物，并在多套独立临床脑电数据集上对该脑电生物标记物进行了验证，同时采用同步经颅磁刺激和脑电技术对其因果神经机制进行了探索和解析。

　　由于脑电设备价格较为低廉且数据采集简易，该研究成果有望能够迅速应用于临床，为抑郁症治疗方案选择提供客观依据，从而优化抑郁症的治疗，提升抑郁症治疗疗效，在精神疾病的个体化精准治疗方面迈出了坚实的一步。

　　华南理工大学此成果引起了该领域国际同行的高度重视和肯定。Nature Biotechnology同期专门刊登脑电信号分析领域国际顶尖学者、瑞士日内瓦大学教授Christoph Michel及脑刺激领域国际顶尖学者、哈佛大学医学院教授Alvaro Pascual-Leone的观点评论文章，详细解析和正面评价该论文，称该研究是“重要推进”；精神疾病领域国际顶尖学者、美国阿尔伯特-爱因斯坦医学院精神疾病与行为学系主任、Dorothy and Marty Silverman讲席教授Jonathan Alpert在Psychiatry Times专门发表长篇评论文章，称该研究“至关重要”，并“拔高了评判脑电生物标记物研究的标准”；美国国立卫生研究院、科学美国人、时代周刊、美国全国公共广播电台、BBC、泰晤士报等学术机构和主流媒体均对该论文进行了专门报道。　

　　据介绍，抑郁症是目前最常见的精神障碍之一。据世界卫生组织报道，全球约有3.5亿人患有抑郁症。发达国家抑郁症的患病率已经超过心脑血管疾病和肿瘤，居第一位，中国抑郁症患者约占总人口6.1%。抗抑郁药物在临床上被广泛用于抑郁症的治疗，但其疗效不够理想，带来了巨大的医疗和社会负担。其部分原因是抑郁症的临床诊断主要基于临床医生与患者的面谈，具有较大生理病理异质性，而特定抗抑郁药仅对个别抑郁症亚型有效。目前尚缺乏稳健且简易的定量生物标记物来辅助精神疾病的个体化治疗。针对这一重要临床问题，作者根据静息态脑电信号的独特时空结构提出了全新机器学习算法SELSER，并将其应用于分析抑郁症临床试验所采集的目前世界最大的跨中心纵向脑电数据集（EMBARC），从而发现了能够预测抗抑郁药物疗效的脑电生物标记物。（图文/自动化科学与工程学院 编辑/赵春旭）

附：作者介绍

　　吴畏，华南理工大学自动化科学与工程学院研究员，长期从事脑电信号处理、神经工程和计算脑疾病学相关研究工作，近年来以第一或通讯作者在Science Translational Medicine（Science子刊，影响因子16.8）、American Journal of Psychiatry（影响因子13.7）、IEEE Transactions on Pattern Analysis and Machine Intelligence（影响因子17.7）、IEEE Signal Processing Magazine（影响因子9.7）等信息科学、脑疾病学、脑影像学领域顶级期刊发表系列论文。

论文期号信息：

　　Nature Biotechnology, 38(4), pp. 439-447, 2020

论文在线地址：

https://www.nature.com/articles/s41587-019-0397-3