精神病早期鉴别诊断的生物学特征

精神分裂症 (SZ) 和情绪障碍 (BD、MDD) 是全世界最严重的致残性疾病，具有相关的社会、功能和经济负担。 尽管它们被确定为不同的疾病，但潜在的重叠症状给鉴别诊断带来了重要挑战。 一致的文献证实，大脑结构和功能反映了这些疾病的潜在遗传脆弱性的中间表型，这是由与环境经历的相互作用形成的。 这些经历包括早期生活压力和创伤，这些似乎是精神病患者的特征，并且与大脑异常有关。 此外，早期生活经历与精神病患者亚群的炎症有关。然而，影像学、炎症和遗传组水平的差异虽然一致，但不会影响临床实践，因为它们尚未转化为个体预测。 为了解决这些问题，越来越多的科学文献采用了机器学习 (ML) 等计算技术。 在这个项目中，我们将开发尖端的 ML 算法，根据在意大利 4 个不同中心招募的 1850 名患者和 1000 名健康对照的独特队列中的遗传、神经影像、炎症和环境数据来预测情绪障碍和 SZ 之间的鉴别诊断。 该项目将实现三个不同的目标：在目标 1 中，我们将开发结合多模态神经影像和遗传数据来鉴别 SZ 和 MD 的算法；在目标 2 中，我们将根据免疫炎症和环境数据预测 SZ 和 MD 之间的鉴别诊断；最后，在目标三中，我们将利用动物模型来确定与早期生活压力相关的大脑改变的潜在机制。 机器学习分析将包括数据协调和特征缩减以及生成规范模型的算法。 最后。 将考虑特定特征来比较不同的分类模型，以达到最佳性能。可靠和客观的生物标志物的定义，结合尖端的计算方法，可以帮助临床医生提供更精确的诊断和早期干预，同时考虑维度结构和因素影响结果，例如情感性精神病与非情感性精神病以及接触创伤事件的广度