在1653个个人的强迫症中估计白质扩散:来自ENIGMA强迫症工作组的机器学习发现

科学领域:

• 神经成像是一种神经成像.
• 神经科学是一个神经科学.
• 精神病学是一个精神病学.

背景情况:

• 通过扩散张力成像 (DTI) 评估的白质通路与强迫症 (OCD) 的神经生物学有关.
• 之前使用DTI对强迫症分类的研究受到小样本大小和单个地点数据的限制,这阻碍了概括性.
• 该ENIGMA OCD工作组的目标是通过汇集多个站点的DTI数据进行可靠分析来解决这些局限性.

研究的目的:

• 通过使用迄今为止最大的多站点扩散张力图像 (DTI) 数据集,评估强迫症 (OCD) 的分类准确性.
• 评估机器学习模型的跨站点通用性,用于OCD分类.
• 确定有助于强迫症分类的特定白质途径,并与以前的灰质研究进行性能比较.

主要方法:

• 利用了一个大型的多站点数据集,包括1336名成人和317名儿科参与者 (强迫症患者和健康对照).
• 采用自动机器学习管道,包括功能工程,选择和模型优化.
• 实施了离开一个站点的交叉验证,以测试分类模型的跨站点通用性.

主要成果:

• 在成年人 (AUC 57.19% ± 3.47%) 和儿童 (AUC 59.8% ± 7.39%) 中,强迫症与健康对照组的分类准确度低至中等.
• 分类准确性在不同地点有显著差异,在药物治疗和非药物治疗的强迫症组之间观察到显著差异.
• 机器学习解释确定了体,内部囊和后丘脑辐射作为强迫症分类的关键白质特征.

结论:

• 白质特征的多变量模式与强迫症神经生物学有关,但目前基于DTI的分类准确性有限.
• 显著的位点变异性和药物对白质完整性的潜在影响限制了分类性能.
• 未来的研究应侧重于通过解决部位变异性和药物混杂来改善分类模型,以提高诊断效用.