跨队列可复制的静止状态功能连接在预测精神分裂症的症状和认知

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 医疗成像医学成像

背景情况:

• 精神分裂症 (SZ) 是一种严重的精神障碍,具有多种症状,包括精神病,认知障碍和积极/消极症状集群.
• 以前的功能性磁共振成像 (fMRI) 研究SZ中的功能连接 (FC) 已经产生了关于症状预测的不一致的发现.
• 识别可靠的神经标志物对于理解神经元病理生理学和开发有针对性的干预措施至关重要.

研究的目的:

• 确定大脑中可重现的功能连接 (FC) 模式,可以预测精神分裂症 (SZ) 的积极症状,消极症状和认知障碍.
• 通过多个独立队列验证这些预测性FC模式,以确保它们的概括性.

主要方法:

• 用个性化的预测模型来识别与SZ症状和认知功能相关的显著FC.
• 在三个独立的SZ队列 (BSNIP,COBRE,FBIRN) 中评估了已识别的FCs的可复制性.
• 机器学习模型使用已识别的FC进行训练,以区分SZ患者与健康对照者 (HC) 并预测症状严重程度.

主要成果:

• 额头-关节-关节-胸膜网络内的可复制的改变FC预测了SZ的积极症状.
• 感觉运动网络中改变的FC预测了负面症状.
• 时空-副海马网络始终与SZ的认知障碍有关.
• 一组23个可复制的FC准确地区分了SZ患者和HC患者的队列 (82.7%-90.2%的准确性).
• 使用这些FC的模型在SZ症状和认知方面实现了与全脑模型相比的预测准确度.

结论:

• 特定的,可复制的功能性大脑连接模式与精神分裂症的不同症状领域和认知缺陷有关.
• 这些发现为SZ提供了强大的神经标志物,并突出了未来研究和临床干预的潜在目标.
• 这项研究证明了个性化预测模型和跨队列验证在精神疾病中识别可靠的神经成像生物标志物的实用性.