Biologinen allekirjoitus psykoosin varhaiselle erotusdiagnoosille

Skitsofrenia (SZ) ja mielialahäiriöt (BD, MDD) ovat vammautuvimpia sairauksia maailmanlaajuisesti, ja niillä on olennainen sosiaalinen, toiminnallinen ja taloudellinen taakka. Vaikka ne tunnistetaan erillisiksi sairauksiksi, mahdollinen päällekkäinen oireyhtymä asettaa tärkeitä haasteita erotusdiagnoosille. Johdonmukainen kirjallisuus vahvistaa, että aivojen rakenne ja toiminta heijastavat häiriön taustalla olevan geneettisen haavoittuvuuden välivaiheen fenotyyppiä, joka on muotoiltu vuorovaikutuksesta ympäristökokemusten kanssa. Tällaisia ​​kokemuksia ovat varhaiselämän stressi ja traumat, jotka näyttävät olevan luonteenomaisia ​​psykiatrisille potilaille ja jotka on yhdistetty aivohäiriöihin. Lisäksi varhaiset elämänkokemukset on liitetty tulehdukseen psykiatristen potilaiden alaryhmässä. Kuvantamis-, tulehdus- ja geneettiset ryhmätason erot eivät kuitenkaan vaikuta kliiniseen käytäntöön, vaikka ne ovatkin johdonmukaisia, koska niitä ei ole muunnettu yksilöllisiksi ennusteiksi. Näiden ongelmien ratkaisemiseksi nopeasti kasvava määrä tieteellistä kirjallisuutta otti käyttöön laskennallisia tekniikoita, kuten koneoppimista (ML). Tässä projektissa kehitämme huippuluokan ML-algoritmeja mielialahäiriöiden ja SZ:n välisen erodiagnoosin ennustamiseksi geneettisten, neurokuvantamis-, tulehdus- ja ympäristötietojen perusteella ainutlaatuisessa 1850 potilaan ja 1000 terveen kontrollin kohortissa, jotka on rekrytoitu 4 eri keskukseen Italiassa. Hankkeessa käsitellään kolmea eri tavoitetta: Tavoitteessa 1 kehitämme SZ:n ja MD:n välisen erotusdiagnoosin algoritmeja yhdistäen multimodaalisen neurokuvantamisen ja geneettisen tiedon; tavoitteessa 2 ennustamme SZ:n ja MD:n välisen erotusdiagnoosin immuno-inflammatoristen ja ympäristötietojen perusteella; Lopuksi, tavoitteena kolme, hyödynnämme eläinmallia tunnistaaksemme aivomuutosten taustalla olevat mekanismit, jotka liittyvät varhaisen elämän stressille altistumiseen. Koneoppimisanalyysit sisältävät algoritmeja tietojen harmonisointiin ja ominaisuuksien vähentämiseen sekä normatiivisten mallien generointiin. Lopulta. eri luokittelumalleja verrataan ottaen huomioon erityispiirteet parhaan suorituskyvyn saavuttamiseksi. Luotettavien ja objektiivisten biomarkkerien määrittely yhdistettynä huippuluokan laskennallisiin metodologioihin voisi auttaa kliinikoita tarjoamaan tarkempia diagnooseja ja varhaisia ​​interventioita, ottaen huomioon myös ulottuvuusrakenteet ja tekijät vaikuttaminen tuloksiin, kuten affektiivinen vs ei-affektiivinen psykoosi ja traumaattisille tapahtumille altistuminen