En biologisk signatur for den tidlige differentialdiagnose af psykose

Skizofreni (SZ) og stemningslidelser (BD, MDD) er blandt de mest invaliderende lidelser på verdensplan med en relevant social, funktionel og økonomisk byrde. Selvom de er identificeret som distinkte lidelser, udgør den potentielle overlappende symptomatologi vigtige udfordringer for differentialdiagnosen. En konsistent litteratur bekræfter, at hjernens struktur og funktion afspejler en mellemliggende fænotype af en underliggende genetisk sårbarhed for lidelserne, formet af interaktion med miljøoplevelser. Sådanne oplevelser omfatter stress og traumer i det tidlige liv, som synes at karakterisere psykiatriske patienter og har været forbundet med hjerneabnormiteter. Ydermere har tidlige livserfaringer været forbundet med inflammation i en underpopulation af psykiatriske patienter. Billeddiagnostiske, inflammatoriske og genetiske forskelle på gruppeniveau, omend konsekvente, påvirker ikke klinisk praksis, da de ikke er blevet oversat til individuel forudsigelse. For at løse disse problemer implementerede en hurtigt voksende mængde videnskabelig litteratur beregningsteknikker, såsom maskinlæring (ML). I dette projekt vil vi udvikle banebrydende ML-algoritmer til at forudsige differentialdiagnosen mellem humørsygdomme og SZ ud fra genetiske, neuroimaging, inflammatoriske og miljømæssige data i en unik kohorte på 1850 patienter og 1000 sunde kontroller rekrutteret i 4 forskellige centre i Italien. Projektet vil behandle tre forskellige formål: i mål 1 vil vi udvikle algoritmer til differentialdiagnose mellem SZ og MD ved at kombinere multimodal neuroimaging og genetiske data; i mål 2 vil vi forudsige differentialdiagnosen mellem SZ og MD ud fra immuno-inflammatoriske og miljømæssige data; endelig, med mål tre vil vi udnytte en dyremodel til at identificere de underliggende mekanismer for hjerneændringer forbundet med eksponering for tidlig livsstress. Maskinlæringsanalyser vil omfatte algoritmer til dataharmonisering og funktionsreduktion samt til generering af normative modeller. Endelig. Forskellige klassificeringsmodeller vil blive sammenlignet under hensyntagen til de specifikke egenskaber for at opnå den bedste ydeevne. Definitionen af ​​pålidelige og objektive biomarkører, kombineret med banebrydende beregningsmetoder, kan hjælpe klinikere med at give mere præcise diagnoser og tidlige indgreb, også med hensyn til dimensionelle konstruktioner og faktorer påvirke udfald såsom affektiv vs ikke-affektiv psykose og bredden af ​​eksponering for traumatiske begivenheder