在精神分裂症谱系障碍患者中基于深度学习的脑年龄预测

科学领域:

• 神经科学是一个神经科学.
• 放射学 放射学是一门学科.
• 精神病学是一个精神病学.

背景情况:

• 大脑预测年龄差异 (大脑-PAD) 是神经退行症的一个潜在生物标志物.
• 使用结构性磁共振成像 (sMRI) 研究精神分裂症 (SCZ) 中的大脑PAD,第一期精神分裂症谱系障碍 (FE-SSD) 和耐治疗精神分裂症 (TRS).

研究的目的:

• 评估大脑PAD作为SCZ,FE-SSD和TRS中的生物标志物.
• 为了比较基于卷积网络回归 (SFCNR) 模型与传统机器学习 (ML) 算法用于大脑PAD估计的性能.
• 在这些患者群体中探索脑PAD和临床措施之间的相关性.

主要方法:

• 采用预训练的SFCNR模型进行大脑PAD估计,预训练7590名英国生物库健康对照 (HC),随后对541名HC进行培训.
• 在209名HC和233名患者 (SCZ,FE-SSD,TRS) 的独立队列中分析了脑PAD.
• 将SFCNR性能与三个ML模型进行比较,并研究了与临床数据的相关性.

主要成果:

• 与三个ML模型相比,SFCNR模型表现出更高的性能.
• 在SCZ,FE-SSD和TRS患者中,相对于HC患者,观察到高级大脑衰老 (高级大脑-PAD).
• 在SCZ和FE-SSD中,大脑-PAD与普罗马зин等效剂量和认知功能相关.

结论:

• 在SCZ患者中存在先进的大脑衰老.
• 在SCZ中,高级大脑-PAD作为认知功能障碍的替代标记.
• 进一步研究SCZ中大脑晚年原因是有必要的,同时考虑对早期患者的干预措施.