精神病の早期鑑別診断の生物学的特徴

統合失調症 (SZ) と気分障害 (BD、MDD) は、世界中で最も障害を引き起こす障害の 1 つであり、関連する社会的、機能的、経済的負担を伴います。 これらは別個の疾患として特定されていますが、症状が重複する可能性があるため、鑑別診断に重要な課題が生じています。 一貫した文献は、脳の構造と機能が、環境経験との相互作用によって形作られた、疾患に対する潜在的な遺伝的脆弱性の中間的な表現型を反映していることを確認しています。 このような経験には、精神科患者の特徴と思われる幼少期のストレスやトラウマが含まれ、脳の異常と関連していると考えられています。 さらに、人生の初期の経験は、精神病患者の亜集団における炎症と関連しているが、画像、炎症、および遺伝的グループレベルの違いは、一貫しているとはいえ、個人の予測に変換されていないため、臨床実践に影響を与えない。 これらの問題に対処するために、機械学習 (ML) などの計算技術を導入する科学文献が急速に増えています。 このプロジェクトでは、イタリアの 4 つの異なるセンターで募集された 1,850 人の患者と 1,000 人の健康な対照からなる独自のコホートを対象として、遺伝子、神経画像、炎症、環境データから気分障害と SZ の鑑別診断を予測する最先端の ML アルゴリズムを開発します。 このプロジェクトは 3 つの異なる目的に取り組みます。目的 1 では、マルチモーダルな神経画像と遺伝データを組み合わせた、SZ と MD の鑑別診断のためのアルゴリズムを開発します。目的 2 では、免疫炎症データと環境データから SZ と MD の鑑別診断を予測します。最後に、目的 3 では、動物モデルを活用して、幼少期のストレスへの曝露に関連する脳変化の根本的なメカニズムを特定します。 機械学習分析には、標準モデルを生成するだけでなく、データの調和と特徴の削減のためのアルゴリズムが含まれます。 ついに。 最高のパフォーマンスを達成するために、特定の特徴を考慮してさまざまな分類モデルが比較されます。信頼性が高く客観的なバイオマーカーの定義と最先端の計算手法を組み合わせることで、臨床医がより正確な診断と早期介入を提供し、次元の構成や要素も考慮するのに役立ちます。情動精神病と非情動精神病、外傷性の出来事への曝露の範囲などの結果に影響を与える