En biologisk signatur för tidig differentialdiagnos av psykos

Schizofreni (SZ) och humörstörningar (BD, MDD) är bland de mest handikappande störningarna i världen, med en relevant social, funktionell och ekonomisk börda. Även om de identifieras som distinkta störningar, utgör den potentiella överlappande symptomatologin viktiga utmaningar för differentialdiagnosen. En konsekvent litteratur bekräftar att hjärnans struktur och funktion återspeglar en mellanliggande fenotyp av en underliggande genetisk sårbarhet för sjukdomarna, formad av interaktion med miljöupplevelser. Sådana upplevelser inkluderar stress och trauma i tidigt liv som verkar känneteckna psykiatriska patienter och har associerats med hjärnavvikelser. Vidare har tidiga livserfarenheter associerats med inflammation i en subpopulation av psykiatriska patienter. Avbildnings-, inflammatoriska och genetiska skillnader på gruppnivå, om än konsekventa, påverkar inte klinisk praxis eftersom de inte har översatts till individuella förutsägelser. För att ta itu med dessa problem implementerade en snabbt växande mängd vetenskaplig litteratur beräkningstekniker, såsom maskininlärning (ML). I detta projekt kommer vi att utveckla banbrytande ML-algoritmer för att förutsäga differentialdiagnosen mellan humörstörningar och SZ från genetiska, neuroimaging, inflammatoriska och miljödata i en unik kohort av 1850 patienter och 1000 friska kontroller rekryterade i 4 olika centra i Italien. Projektet kommer att behandla tre olika syften: i mål 1 kommer vi att utveckla algoritmer för differentialdiagnos mellan SZ och MD genom att kombinera multimodal neuroimaging och genetisk data; i mål 2 kommer vi att förutsäga differentialdiagnosen mellan SZ och MD från immuninflammatoriska data och miljödata; Slutligen, med mål tre kommer vi att utnyttja en djurmodell för att identifiera de underliggande mekanismerna för hjärnförändringar associerade med exponering för stress i tidigt liv. Maskininlärningsanalyser kommer att innefatta algoritmer för dataharmonisering och funktionsreduktion, samt för att generera normativa modeller. Till sist. olika klassificeringsmodeller kommer att jämföras med hänsyn till de specifika egenskaperna för att uppnå bästa prestanda. Definitionen av tillförlitliga och objektiva biomarkörer, i kombination med banbrytande beräkningsmetodik, skulle kunna hjälpa kliniker att tillhandahålla mer exakta diagnoser och tidiga insatser, även med hänsyn till dimensionella konstruktioner och faktorer påverka utfall som affektiv vs icke-affektiv psykos och bredd av exponering för traumatiska händelser