严重抑郁症,也称为重度抑郁症(MDD),是一种普遍的心理和情感疾病,影响了全球估计有1.85亿人(1)。世界卫生组织将抑郁症分类为2008年全球疾病的第四个领先负担,预测表明,到2030年,它可能成为第二个领先的原因(2)。妇女受到不成比例的影响,与男性相比,患病率几乎翻了一番(1),这是发达国家和发展中国家都观察到的趋势(3)。各种理论(例如生物心理社会模型)试图阐明这种性别差异的根本原因,指出激素的差异(4、5),神经递质(5、6)和大脑结构(7,8)。最近的研究还探索了肠道微生物组和抑郁症之间的复杂关系,从而通过肠脑轴揭示了潜在的联系(9 - 31)。尽管已经取得了显着的进步,但仍然缺乏证据,以精确地阐明了驱动这些差异的机制或性别特定生物标志物的潜力。“肠道营养不良”的概念 - 肠道微生物组组成和功能的异常变化 - 作为MDD和其他精神疾病发病机理的潜在参与者的吸引力(9 - 31)。通过各种途径,包括神经,免疫和代谢机制,肠道微生物组与大脑之间的复杂通信为进一步探索提供了有希望的途径。最近的研究强调了MDD和对照组的个体之间肠道菌群组成的差异,这表明潜在的性别差异需要进一步研究(19,32 - 35)。此范围审查旨在探讨有关严重抑郁症与肠道微生物组之间关系的现有证据,尤其是在女性的背景下,同时总结了肠道微生物组的性别特定于男性和女性受试者的性别差异。
摘要 综述目的 随着基于机器学习的人工智能 (AI) 继续彻底改变我们分析数据的方式,核心脏病学领域为实施这些复杂分析提供了肥沃的土壤。本综述总结并讨论了有关核心脏病学技术和 AI 的原理,以及有关其性能和对改善心血管疾病风险预测的贡献的当前证据。 最新发现和总结 越来越多的证据表明,在涉及 SPECT 和 PET 技术的核心脏病学研究中,基于机器学习的 AI 的实验和实施可以改善疾病风险 (疾病分类) 和事件风险 (不良事件预测) 估计。这些出版物仍然报告了使用统计机器学习方法或深度学习的方法的客观差异,这些方法具有不同的架构、数据集大小和性能。最近人们致力于为基于机器学习的 AI 在心血管成像中的实验和应用带来标准化和质量,以通过 AI 制定数据协调和分析标准。基于机器学习的人工智能通过在心脏核研究中的应用,为改善心血管疾病的风险评估提供了可能性。