在搜索数据驱动和可复制的精神分裂症亚型使用休息状态的fMRI数据从多个网站的搜索
Lærke Gebser Krohne1,2, Ingeborg Helbech Hansen3, Kristoffer H Madsen1,4
1Department of Applied Mathematics and Computer Science, Technical University of Denmark, 2800 Kgs. Lyngby, Denmark.
Neural computation
|August 6, 2024
概括
研究人员在fMRI数据上使用无监督集群来发现精神分裂症亚型. 他们确定了一个显示诊断差异的集群,但症状严重程度没有相关性,表明其他疾病机制.
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.
- 数据科学数据科学数据科学
背景情况:
- 几十年来,功能磁共振成像 (fMRI) 数据一直在探索精神分裂症生物标志物.
- 精神分裂症的高度内部异质性阻碍了fMRI研究的坚定结论.
- 确定具有同质生物特征的患者子组是一个有前途的方法.
研究的目的:
- 应用无监督多重协集群 (MCC) 方法,使用功能连接数据识别精神分裂症亚型.
- 调查确定集群的稳定性和诊断关联.
- 在外部数据集上验证发现.
主要方法:
- 利用了来自两个公共数据库的多站点静止状态fMRI数据集.
- 将数据分为发现 (143名患者,143名HC) 和外部测试组 (63名患者,63名HC).
- 应用MCC来识别患者子组,并评估诊断关联,分离性和临床相关性 (PANSS) 的集群解决方案.
主要成果:
- 集群稳定性中度,并且依赖于数据变化和初始化.
- 一个集群解决方案 ("视图") 显示出显著的诊断关联,三个受试者集群过度代表精神分裂症患者.
- 一个特征集群表现出连接值的持续趋势,与精神分裂症患者比例相关.
- 在识别的视图中,没有特征集群与积极,消极或普遍的症状严重程度相关.
结论:
- 尽管集群稳定性适度,但使用功能连接性确定了一个可重现的精神分裂症患者亚组.
- 确定的集群解决方案反映了超出症状严重程度的与疾病相关的机制.
- 需要进一步的研究,以了解这些已识别的子组的生物学基础.
