[논문 리뷰] Towards a Network Control Theory of Electroconvulsive Therapy Response

Tim Hahn, Hamidreza Jamalabadi외 25명|arXiv (Cornell University)|2021. 12. 14.

Functional Brain Connectivity Studies인용 수 6

한 줄 요약

이 연구는 전기경련요법(ECT)에 대한 개인의 반응을 예측하기 위해 전ECT 시 구조적 뇌 연결성과 후기 경련 억제 지수(PSI)를 연결하는 네트워크 제어 이론(NCT) 기반 프레임워크를 제안한다. 확산 탄성 영상(DTI)에서 유도된 전뇌 모드 및 평균 제어 가능성 지표를 사용하여, 이론적으로 타당한 지표들이 복잡한 기계학습 모델과 비교해도 유사한 성능을 보이며, PSI를 통한 매개 효과를 확인함으로써 개인화된 ECT 계획을 위한 기계적 메커니즘 기반 예측 모델을 제시한다.

ABSTRACT

Electroconvulsive Therapy (ECT) is arguably the most effective intervention for treatment-resistant depression. While large interindividual variability exists, a theory capable of predicting individual response to ECT remains elusive. To address this, we posit a quantitative, mechanistic framework of ECT response based on Network Control Theory (NCT). Then, we empirically test our approach and employ it to predict ECT treatment response. To this end, we derive a formal association between Postictal Suppression Index (PSI) - an ECT seizure quality index - and whole-brain modal and average controllability, NCT metrics based on white matter brain network architecture, respectively. Exploiting the known association of ECT response and PSI, we then hypothesized an association between our controllability metrics and ECT response mediated by PSI. We formally tested this conjecture in N=50 depressive patients undergoing ECT. We show that whole-brain controllability metrics based on pre-ECT structural connectome data predict ECT response in accordance with our hypotheses. In addition, we show the expected mediation effects via PSI. Importantly, our theoretically motivated metrics are at least on par with extensive machine learning models based on pre-ECT connectome data. In summary, we derived and tested a control-theoretic framework capable of predicting ECT response based on individual brain network architecture. It makes testable, quantitative predictions regarding individual therapeutic response, which are corroborated by strong empirical evidence. Our work might constitute a starting point for a comprehensive, quantitative theory of personalized ECT interventions rooted in control theory.

연구 동기 및 목표

• 뇌 네트워크 구조를 기반으로 개인의 ECT 반응을 기계적이고 정량적인 이론으로 예측하기 위한 체계를 개발한다.
• 네트워크 제어 이론(NCT) 지표인 모드 및 평균 제어 가능성 지표가 후기 경련 억제 지수(PSI)를 통해 ECT 반응을 예측하는가를 검증한다.
• PSI는 치료 후에만 측정 가능한 점을 고려하여, ECT 이전에 사용 가능한 이론적으로 탄탄한 예측 생물학적 지표를 확립한다.
• 동일한 전ECT 연결망 데이터를 기반으로 기계학습 모델에 비해 NCT에서 유도된 지표의 예측 능력을 비교한다.

제안 방법

• 전ECT 시 확산 탄성 영상(DTI) 데이터에서 뇌의 구조적 연결망을 나타내는 전뇌 모드 및 평균 제어 가능성 지표를 유도한다.
• 이러한 NCT 지표를 임상적 EEG 기반 측정인 후기 경련 억제 지수(PSI)와 공식적으로 연결한다. PSI는 ECT 반응과 상관관계가 있는 경련 품질의 지표로 알려져 있다.
• 제어 가능성 지표가 PSI를 통한 매개 경로를 통해 ECT 반응을 예측하는가를 검증하기 위해 50명의 환자를 대상으로 가설을 검증한다.
• 다변량 회귀 분석 및 매개 분석을 사용하여 예측 정확도와 인과 경로를 평가한다.
• 동일한 연결망 특징을 사용하여 기계학습 파이프라인(PHOTON AI)의 예측 결과와 NCT 기반 예측 결과를 비교한다.
• 스트레임라인 수, 부분적 이방성도 및 연결 빈도 기반의 이상치 탐지 기법을 적용하여 데이터 품질을 확보한다.

실험 결과

연구 질문

• RQ1 네트워크 제어 이론 지표인 모드 및 평균 제어 가능성 지표는 우울증 환자에서 개인의 ECT 반응을 예측할 수 있는가?
• RQ2 제어 가능성 지표와 ECT 반응 간의 연관성은 후기 경련 억제 지수(PSI)를 통해 매개되는가?
• RQ3 NCT에서 유도된 지표는 동일한 전ECT 연결망 데이터를 기반으로 학습된 고도의 기계학습 모델에 비해 예측 성능가능성이 높은가?
• RQ4 이론적으로 유도된 NCT 지표는 개인화된 ECT 계획을 위한 기계적 해석이 가능한 기초를 제공하는가?

주요 결과

• 치료 저항성 우울증 환자 50명의 샘플에서 전ECT 시 전뇌 모드 및 평균 제어 가능성 지표가 ECT 치료 반응을 유의미하게 예측하였다.
• 제어 가능성 지표와 ECT 반응 간의 연관성은 후기 경련 억제 지수(PSI)를 통해 완전히 매개되었으며, 가설된 경로가 확인되었다.
• NCT 기반 예측 성능는 동일한 연결망 특징을 기반으로 학습된 복잡한 기계학습 모델(예: 랜덤 포레스트, SVR)과 비교해도 최소한 동등한 성능를 보였다. 이는 이론적으로 탄탄하면서도 데이터 소비가 적은 점을 고려할 때 놀라운 결과이다.
• 연결성 기반 지표를 통해 식별된 3명의 잠재적 이상치를 제외한 후에도 모델의 예측 능력은 여전히 강력했다.
• 이 연구는 뇌 네트워크 구조와 임상적 ECT 결과를 연결하는 제어 이론적 프레임워크에 대한 실증적 검증을 제공하며, 개인 간 치료 반응의 이질성에 대한 기계적 해석을 제시한다.
• 결과는 구조적 연결망 기반 제어 가능성 지표를 전ECT 생물학적 지표로 사용하여 개인화된 치료 계획을 수립하는 것이 가능하다는 것을 뒷받침한다.