It is widely hoped that statistical models can improve decision-making related to medical treatments. Because of the cost and scarcity of medical outcomes data, this hope is typically based on investigators observing a model's success in one or two datasets or clinical contexts. We scrutinized this optimism by examining how well a machine learning model performed across several independent clinical trials of antipsychotic medication for schizophrenia. Models predicted patient outcomes with high accuracy within the trial in which the model was developed but performed no better than chance when applied out-of-sample. Pooling data across trials to predict outcomes in the trial left out did not improve predictions. These results suggest that models predicting treatment outcomes in schizophrenia are highly context-dependent and may have limited generalizability.

Abstract Importance We show that three common approaches to clinical deficits (cognitive phenotype, disease group, disease severity) each offer useful and perhaps complimentary explanations for the brain’s underlying functional architecture as affected by psychiatric disease. Objective To understand how different clinical frameworks are represented in the brain’s functional connectome. Design We use an openly available dataset to create predictive models based on multiple connectomes built from task-based functional MRI data. We use these models to predict individual traits corresponding to multiple cognitive constructs across disease category. We also show that these same connectomes statistically differ depending on disease category and symptom burden. Setting This was a population-based study with data collected in UCLA. Participants Healthy adults were recruited by community advertisements from the Los Angeles area. Participants with adult ADHD, bipolar disorder, and schizophrenia were recruited using a patient-oriented strategy involving outreach to local clinics and online portals (separate from the methods used to recruit healthy volunteers)

BACKGROUND: Ketamine exerts rapid and robust antidepressant effects thought to be mediated by activation of the mechanistic target of rapamycin complex 1 (mTORC1). To test this hypothesis, depressed patients were pretreated with rapamycin, an mTORC1 inhibitor, prior to receiving ketamine. METHODS: Twenty-three patients suffering a major depressive episode were randomized to oral rapamycin (6 mg) or placebo, each was followed 2 hours later by ketamine 0.5 mg/kg in a double-blind cross-over design with treatment days separated by at least 2 weeks. Depression severity was assessed using Montgomery Asberg Depression Rating Scale (MADRS). Antidepressant response was defined as a MADRS improvement of 50% or more. RESULTS: Over the two-week follow-up, we found a significant treatment by time interaction (F(8,245) = 2.02, p = 0.04), reflecting prolonged antidepressant effects post rapamycin+ketamine treatment. At 2 weeks, we found a significantly higher response rate following rapamycin+ketamine (41%) compared to placebo+ketamine (13%, p = 0.04). However, rapamycin pretreatment did not alter the acute effects of ketamine. CONCLUSION: Unexpectedly, pretreatment with rapamycin prolonged rather than blocked the acute antidepressant effects of ketamine. This observation raises questions about the role of mTORC1 in the antidepressant effects of ketamine, raises the possibility that rapamycin may extend the benefits of ketamine, and thereby potentially sheds light on mechanisms that limit the duration of ketamine effects. The supplementing of ketamine with rapamycin may be a treatment strategy for reducing the frequency of ketamine infusions during maintenance treatment.

Distributed neural dysconnectivity is considered a hallmark feature of schizophrenia, yet a tension exists between studies pinpointing focal disruptions versus those implicating brain-wide disturbances. The cerebellum and the striatum communicate reciprocally with the thalamus and cortex through monosynaptic and polysynaptic connections, forming cortico-striatal-thalamic-cerebellar (CSTC) functional pathways that may be sensitive to brain-wide dysconnectivity in schizophrenia. It remains unknown if the same pattern of alterations persists across CSTC systems, or if specific alterations exist along key functional elements of these networks. We characterized connectivity along major functional CSTC subdivisions using resting-state functional magnetic resonance imaging in 159 chronic patients and 162 matched controls. Associative CSTC subdivisions revealed consistent brain-wide bi-directional alterations in patients, marked by hyper-connectivity with sensory-motor cortices and hypo-connectivity with association cortex. Focusing on the cerebellar and striatal components, we validate the effects using data-driven k-means clustering of voxel-wise dysconnectivity and support vector machine classifiers. We replicate these results in an independent sample of 202 controls and 145 patients, additionally demonstrating that these neural effects relate to cognitive performance across subjects. Taken together, these results from complementary approaches implicate a consistent motif of brain-wide alterations in CSTC systems in schizophrenia, calling into question accounts of exclusively focal functional disturbances.

BACKGROUND: In soldiers with posttraumatic stress disorder (PTSD), symptom provocation was found to induce increased connectivity within the salience network, as measured by functional magnetic resonance imaging (fMRI) and global brain connectivity with global signal regression (GBCr). However, it is unknown whether these GBCr disturbances would normalize following effective PTSD treatment. METHODS: 69 US Army soldiers with (n = 42) and without PTSD (n = 27) completed fMRI at rest and during symptom provocation using subject-specific script imagery. Then, participants with PTSD received 6 weeks (12 sessions) of group cognitive processing therapy (CPT) or present-centered therapy (PCT). At week 8, all participants repeated the fMRI scans. The primary analysis used a region-of-interest approach to determine the effect of treatment on salience GBCr. A secondary analysis was conducted to explore the pattern of GBCr alterations post-treatment in PTSD participants compared to controls. RESULTS: Over the treatment period, PCT significantly reduced salience GBCr (p = .02). Compared to controls, salience GBCr was high pretreatment (PCT, p = .01; CPT, p = .03) and normalized post-PCT (p = .53), but not post-CPT (p = .006). Whole-brain secondary analysis found high GBCr within the central executive network in PTSD participants compared to controls. Post hoc exploratory analyses showed significant increases in executive GBCr following CPT treatment (p = .01). CONCLUSION: The results support previous models relating CPT to central executive network and enhanced cognitive control while unraveling a previously unknown neurobiological mechanism of PCT treatment, demonstrating treatment-specific reduction in salience connectivity during trauma recollection.