統合失調症における新しいフェノタイプ化のための機械学習

科学分野:

• 精神科
• コンピューター精神科
• 医療サービス研究

背景:

• 統合失調症は有意な異質性と高い併発率を示し,治療の最適化を複雑にする.
• 個別な患者のサブグループを特定することは,個別化された治療戦略の開発に不可欠です.

研究 の 目的:

• 統合失調症の成人の行動的健康現象を 機械学習を用いて 特定する
• 診断されたフェノタイプの臨床的妥当性を評価するために,アウトカムと精神薬の投与パターンを比較する.

主な方法:

• LDAは,統合失調症と診断された249,006人の全国のメディケイド請求データ (2010年−2012年) に採用されました.
• フェノタイプは,同時に発生する行動的健康障害に基づいて特定され,5倍クロス検証を使用して検証されました.
• 比較対象には,精神薬の種類と入院率,緊急診療所への訪問が含まれていました.

主要な成果:

• 5つの異なる行動的健康現象が特定されました:うつ病,薬物使用,マニア混合の気分,不安-パラノイド,および行動障害 - 発達遅延,加えて併発性のないグループです.
• 異なったフェノタイプにおける入院および緊急治療室訪問の確率は著しく異なっていた.
• 異なった精神薬の処方パターンは,各フェノタイプと関連していました.

結論:

• 機械学習は,クレームデータを用いて統合失調症患者の行動的健康現象を効果的に特定しました.
• これらのフェノタイプは,異なる結果と薬物使用によって臨床的有効性を示しています.
• 統合失調症のパーソナライズド医療を伝えるために,各フェノタイプの治療効果を比較するためにさらなる研究が必要である.