基于多元神经影像特征的托莫西汀治疗ADHD疗效预测研究

Tomoxetine is a nonstimulant that was approved for the treatment of Attention Deficit Hyperactivity Disorder (ADHD) by the Food and Drug Administration (FDA) and State Food and Drug Administration (SFDA). However, the onset of action in tomoxetine is slow. And about 40% patients have poor response to the drug. Therefore, early biological marker predictors of treatment response to atomoxetine would be clinically valuable. In previous study, the applicant used classification analysis methods to identify all individual’s cerebral radiomics features to identify children with ADHD and distinguish subtypes. The current project will observe the effects of 12-week treatment with tomoxetine in children with ADHD who were untreated and establish individual’s gray matter, white matter and function connection image feature extraction process. Then random forest models will be used to build a predictor model about tomoxetine response in ADHD by individual multivariate neuroimaging features. The current project seek to explore the new insights for neuroimaging technology as a predictor of drug efficacy and to promote the clinical transformation of mental disorders imaging research.

托莫西汀是唯一获得FDA和SFDA批准的用于治疗注意缺陷多动障碍（ADHD）的非中枢神经兴奋剂，但是其存在药物起效慢，药物反应具有巨大的个体差异，约有40%的患者对药物的反应不佳，因此通过生物学标记物对托莫西汀治疗反应进行预测，以指导临床用药，提高临床疗效，具有迫切的临床需求。申请人在前期研究中已经发现利用患者灰质和白质的影像特征及数据挖掘分类分析方法可以帮助识别ADHD患儿并区分其亚型。本项目将在既往工作基础上采用前瞻性设计，通过对大样本首发未用药的ADHD儿童进行12周的托莫西汀治疗疗效随访观察，借鉴影像组学的研究方法分别建立灰质、白质、脑功能网络影像特征提取流程，并利用随机森林分析方法建立个体神经影像特征对托莫西汀疗效的预测模型。以期为神经影像技术作为临床疗效预测判断工具提供思路，促进精神影像研究的临床转化。

托莫西汀是唯一获得FDA和SFDA批准的用于治疗注意缺陷多动障碍（ADHD）的非中枢神经兴奋剂，但是其存在药物起效慢，药物反应具有巨大的个体差异，约有40%的患者对药物的反应不佳，因此通过生物学标记物对托莫西汀治疗反应进行预测，以指导临床用药，提高临床疗效，具有迫切的临床需求。申请人在前期研究中已经发现利用患者灰质和白质的影像特征及数据挖掘分类分析方法可以帮助识别ADHD患儿并区分其亚型。本项目将在既往工作基础上采用前瞻性设计，共收集102例首发未用药的ADHD儿童，并完成80例的随访。通过Lasso机器学习方法应用灰质形态学能够预测45%的12周托莫西汀治疗的ADHD症状变化，为神经影像技术作为临床疗效预测判断工具提供思路，促进精神影像研究的临床转化。