人工知能を使用したソフトウェア ツールの開発。臨床データ、生物学データ、遺伝子データ、画像データを統合して、うつ病患者の診断と転帰を予測し、予後を改善し、医療費を制限します。

研究者らは、文献からの確固たる証拠に基づいて、双極性および単極性障害の疾患特異的な神経生物学的基盤の存在を仮定しており、これは鑑別診断のバイオマーカーとして役立つ可能性があります。 しかし、精神医学研究で採用されているグループ比較アプローチは、新たな知識を診断ルーチンに変換できません。

過去 10 年間に得られた最先端の知識を使用して、医師はどのようにして鑑別診断と治療反応を予測できるでしょうか? このような広範な知識は、臨床現場でどのように有用であり、適用できるのでしょうか? このプロジェクトでは、研究者は、利用可能な臨床、生物学、遺伝子、および画像データを統合して新しい個々の患者の診断と転帰を予測するソフトウェア ツールを開発することにより、これらの課題に対する解決策を提案します。

意思決定支援プラットフォームは、人工知能、特に機械学習技術を採用し、新しい観察結果が属するカテゴリを予測するために、データを通じて「トレーニング」されます。 これを行うことにより、双極および単極患者の既存および新たに取得されたマルチモーダル データセットは、個別化された患者の診断と予後のための予測因子に変換されます。

このプロジェクトは、精神医学コミュニティと医療システムに大きな影響を与える可能性があります。 UD および BD の予測バイオマーカーを特定することは、疾患の初期段階で不可欠なツールを提供し、正確な診断を確実にし、予後を改善し、医療費を制限します。

調査員は、80 人の双極患者、80 人の単極患者、および 80 人の健常対照者を MRI 研究のために募集します。 臨床的、遺伝的および炎症データは、すべての被験者から取得されます。

次のデータが取得されます: 年齢、性別、エピソード数、再発、発症年齢、生涯精神病、BD または UD の親しみやすさ、自殺の誘惑、投薬、HDRS のスコア、ベックうつ病インベントリ、および BACS バッテリー。

MRI は 3.0 テスラ スキャナーで実行されます。 MRI 取得には、安静時の SE EPI DTI、T1 強調 3D MPRAGE、fMRI シーケンス、および以前は気分障害の接続性を定義できた顔照合パラダイムが含まれます。

血液サンプルのサンプルが収集され、血漿が抽出され、-80 で保存されます。 炎症誘発性サイトカインおよび抗炎症性サイトカインは、Bioplex ヒト サイトカイン 27-plex を使用して測定されます。

鑑別診断に関連する遺伝子変異は、Infinium PsychArray-24 BeadChip を使用して評価されます。 この費用対効果の高い高密度マイクロアレイは、精神医学的素因とリスクに焦点を当てた大規模な遺伝子研究のために、精神医学ゲノミクス コンソーシアムと共同で開発されました。

双極性および単極性障害の特徴としての単一の臨床的、遺伝的、分子的、および画像ベースの特徴の関連性は、最先端の文献を考慮して評価され、独立した既存のデータセット（グループあたり30人の被験者）で推定されます。 一般線形モデル分析とそれに続く両側t検定を使用して、年齢、性別、病気の長さ、およびその他の交絡因子の寄与を取り除きながら、各パラメーターがグループ間で有意に異なるかどうかを特定します。

複数のカーネル学習 (MKL) アルゴリズムは、マルチソースの特徴を、3 つのサブジェクト グループが最大限に分離される高次元空間に投影します。 選択した機能は、個別に、または組み合わせて使用​​されます。 年齢、性別、病気の長さ、および MRI システムの迷惑な影響は、アルゴリズムのトレーニング段階で修正されます。 MKL 分類子は、ハイパーパラメーター調整を伴う k 分割の入れ子になった交差検証戦略を使用してテストされます。 トレーニング データセットは既に利用可能になっており、約 550 の被験者が含まれています。

ソフトウェア アーキテクチャは、定量的イメージング法、機械学習アルゴリズム、および統計分析をユーザー フレンドリーなインターフェイスの個別のモジュールとして統合することにより、Matlab 環境で設計されます。これにより、臨床コミュニティでの計算リソースの共有が容易になります。