機械学習による統合失調症の神経解剖学的サブタイプ化

科学分野:

• 神経イメージング
• 精神科
• 計算神経科学

背景:

• 統合失調症は,臨床的および神経生物学的な表現において顕著な異質性を表しています.
• この異質性を理解することは,標的治療の開発に不可欠です.

研究 の 目的:

• データを駆使した機械学習アプローチを用いて 神経解剖学的統合失調症のサブタイプを特定する.
• これらのサブタイプに関連した独特の構造的な脳のパターンを特徴づける.

主な方法:

• 222人の参加者の構造MRIデータ (136人の統合失調症患者,86人の対照群) の分析.
• 半監督機械学習アルゴリズムであるHYDRA (差別分析による異質性) の適用.
• 健康な対照群とのサブタイプ比較に使用されたヴォクセルベースの形態測定法 (VBM).

主要な成果:

• 統合失調症の2つの異なる神経解剖学的サブタイプが特定されました.
• サブタイプ1: 皮質領域 (島,帯状,前頭,側頭部) に広がった下部灰色の質量.
• サブタイプ2: コントロールとサブタイプ1と比較して皮質下部の体積 (,タラムス,海馬) が増加した.

結論:

• 機械学習は統合失調症の構造的異質性を 効果的に明らかにします
• 特定されたサブタイプは,神経解剖学的サブタイプ化のための洗練された枠組みを提供します.
• 異なるサブタイプは,個別化された治療を容易にし,研究精度を向上させる可能性があります.