نشانگر زیستی (Biomarker) عموماً به شاخصی قابل سنجش از حالت‌ها و شرایط بیولوژیک اطلاق می گردد که به صورت کمی قابل اندازه‌گیری باشد. امروزه استفاده از نشانگرهای زیستی در تشخیص بیماریها فزونی یافته است زیرا آنها نقش غیر قابل انکاری در شناخت خصایص فردی بیماران بر عهده دارند و فرایند شخصی‌سازی درمان در مراحل تشخیص، پیش آگاهی، عود، فارماکودینامیک و اعتبارسنجی اثربخشی دارو را تسهیل نموده به این ترتیب از بار اقتصادی هزینه‌های نظام سلامت می‌کاهند. چنانچه شخصی سازی درمان به مدد علم ژنتیک صورت پذیرد فرآیندی بسیار هزینه ‌بر است در حالی که کاوش نشانگرهای زیستی بر اساس مطالعه‌ی فنوتیپ افراد مقرون به صرفه‌تر می‌باشد. از این روی محققین حوزه نظام سلامت روان نیز به دنبال استخراج نشانگرهای زیستی از فنوتیپ افراد هستند که به فهم پاتولوژی بیماری یاری رساند و به تشخیص اختلالات اعصاب و روان توسط معیارهای نظام‌مند مطابق با RDoC منتهی گردند. از سوی دیگر با گسترش کاربرد ابزارهای نقشه‌برداری مغزی و به خصوص روش‌های تحریک مغزی به موازات داده‌برداری برخط، از فعالیت‌های مغزی راهی به سوی کمی‌سازی نشانگرهای زیستی سلامت مغز به کمک الگوریتم های یادگیری ماشین فراهم شده است. چنانچه با بهره‌گیری از امکانات فوق‌الذکر بتوان نشانگرهای زیستی به عنوان اندیس سلامت مغز یافت، در مراحل غربال‌گری گروه اختلال از گروه سالم و همچنین پایش اثرگذاری داروها در گروه اختلال، پیشرفت چشمگیری حاصل می‌گردد و با جایگزینی روش شخصی‌سازی درمان به جای شیوه سنتی سعی و خطا در تجویز داروها، بودجه نظام سلامت به روش بهینه‌تری صرف خواهد شد.
این طرح قصد دارد با طراحی نرم‌افزار مبتنی بر الگوریتم ‌های یادگیری ماشینی، به سنجش خصائص مستخرج از TMS EEG بپردازد و زیست نشانگرهایی را اندازه‌گیری نماید که به شخصی‌سازی درمان بیماری‌های حوزه سلامت روان، در مراحل تشخیص، فارماکودینامیک و اعتبارسنجی اثربخشی دارو بهره رسانده در نهایت بار هزینه‌های نظام سلامت روان را تقلیل دهد.