利用机器学习方法揭示两种精神分裂症亚型

Posted 2021-04-27 天津市功能影像重点实验室

文献汇报

利用机器学习方法揭示两种精神分裂症亚型

虽然在当前，人们对精神分裂症的神经机制有了一定的了解，但对其生物学异质性仍然了解甚少。其中，精神分裂症的异质性主要体现在临床表现、病程、治疗反应、功能结局、以及生物标记物。长期以来，人们普遍认为该异质性阻碍了精神分裂症临床个体化治疗的准确性，掩盖了其研究结果的发现。

      以前基于症状亚型的研究对精神分裂症的临床个体化治疗实际的指导意义相对较小，忽略了同一临床表型可由不同神经病理改变的事实。目前，诊断系统已从分类方案（例如DSM-V）中删除了大多数基于症状的精神分裂症亚型。由于结构磁共振影像具有较好的客观性，因此利用该方法直接地定义精神分裂症生物学异质性似乎更有意义。此外，之前关于精神分裂症的神经影像研究大部分为病例对照研究，这些研究中普遍揭示了精神分裂症存在广泛的，轻微的脑体积减低的情况；同时一些基于磁共振的大样本研究中发现，对于罹患有精神分裂症的人群，其基底节区较正常人而言也存在体积增大的情况。所以，还尚不清楚这些脑区体积的改变是存在于同一个体中还是意味着存在于不同的亚型中。

      基于以上问题，本文的研究者成立了PHENOM联盟（通过多维度神经影像学评估精神病异质性研究队列），并在多中心、多种族的队列研究中采用新颖的半监督（semi-supervised）机器学习方法HYDRA（heterogeneity through discriminative analysis）探究了精神分裂症的神经解剖学亚型。该联盟囊括了美国、德国、中国三个国家，共收集了941例精神分裂症患者和正常对照的结构MRI数据和临床数据。为进一步去除年龄效应对亚型识别结果的影响，被试的年龄被限制在45岁以下。最终，307例精神分裂症患者、364例正常对照的结构MRI数据和临床数据被纳入分析。其中灰质（GM）、白质（WM）、脑脊液（CSF）的体积指标被用于识别精神分裂症不同的且具有高度可重复性的神经解剖学亚型。

该研究揭示了两种不同精神分裂症神经解剖学亚型。亚型1表现出较低的灰质体积，主要以丘脑、伏隔核、内侧颞叶、内侧额叶、内侧前额叶、岛叶为主。亚型2显示基底节区和内囊的体积增加，而其它脑区体积表现正常。灰质体积与亚型1（r = –0.201，P = 0.016）的疾病持续时间呈负相关，而与亚型2（r = –0.045，P = 0.652）无关，可能表明两种亚型有着潜在不同的神经病理学过程。这两种亚型在年龄（t = –1.603，df = 305，P = 0.109）、性别（χ² = 0.013，df = 1，P = 0.910）、病程（t = –0.167，df = 277，P = 0.868）、抗精神病药物剂量（t = –0.439，df = 210，P = 0.521）、发病年龄（t = –1.355，df = 277，P = 0.177）、阳性症状（t = 0.249，df = 289，P = 0.803）、阴性症状（t = 0.151，df = 289，P = 0.879）或抗精神病药类型（χ² = 6.670，df = 3，P = 0.083）等方面没有显著差异。亚型1的教育程度低于亚型2（χ² = 6.389，df = 2，P = 0.041）。

  总之，该研究发现了两种截然不同且重复性较高的精神分裂症神经解剖亚型。亚型1表现出广泛的体积减少与疾病持续时间和早期的神经发育损伤、炎症等相关。亚型2有正常和稳定的解剖结构，但其基底节区和内囊具有体积较大的特点，而这些区域体积的选择性增加可能与该区域较高的多巴胺浓度和D2/3受体浓度有关。上述亚型的提出，在一定程度上挑战了传统脑体积减少是精神分裂症一般特征的观点，同时也为精神分裂症进一步临床个体化治疗带来了可能。

文献链接

Chand GB, Dwyer DB, Erus G, Sotiras A, Varol E, Srinivasan D, et al. Two distinct neuroanatomical subtypes of schizophrenia revealed using machine learning. Brain. 2020;143(3):1027-38.

面对疫情 不必恐慌 戴好口罩 保持距离 适度锻炼 健康生活

         天津市

功能影像重点实验室

杜晓桐

文字

凯萨

排版