ルーチン血液検査で統合失調症を診断する:機械学習アルゴリズムの比較分析

科学分野:

• バイオマーカーの発見
• 計算精神科
• 臨床診断

背景:

• 統合失調症の診断は 客観的なバイオマーカーがない 臨床的基準に基づいています
• 周辺血液のバイオマーカーと機械学習 (ML) は診断の精度を向上させる可能性を秘めています.
• 現在の診断方法は 客観性や有効性に問題があります

研究 の 目的:

• 外周血液のバイオマーカーを用いた統合失調症の診断のためのMLモデルを開発し評価する.
• 統合失調症患者と健康な対照群を区別するための最適なバイオマーカーのサブセットを特定する.
• MLベースのアプローチの診断性能と潜在的な臨床的有用性を評価する.

主な方法:

• 203人の統合失調症患者と192人の健康な対照群を対象とした遡及症例対照研究.
• 血液学的および生化学的パラメータの抽出と割り算
• グレー・ウルフ・オプティマイゼーション (GWO) をバイオマーカーの選択と10倍クロス検証による様々なMLモデル (RF,XGBoost,SVM,KNN,LR) に適用する.

主要な成果:

• XGBoostはGWOの最適化後の最高精度 (95.90%) と特異性 (95.54%) を達成した.
• ランダムフォレストは94.95%の精度と96.25%のリコールで優れたパフォーマンスを示した.
• 主な生物マーカーは,総タンパク質,グルコース,鉄,クリエチンキナーゼ,総ビリルビン,尿酸,カルシウム,ナトリウムでした.

結論:

• ルーティン血液のパラメータを利用したMLモデルは統合失調症の診断に高い正確性を示しています.
• 特定されたバイオマーカーと開発されたモデルは,高価な方法と比較して費用対効果の高いアプローチを提供します.
• 汎用性および臨床適用性を確認するために,さらなる外部検証が推奨されます.