基于机器学习的预测,从大脑灰质结构的抗精神病疗效,在无药第一发精神分裂症患者中
Xiaodong Guo1,2,3,4, Enpeng Zhou1,2,3,4, Xianghe Wang1,2,3,4
1Peking University Sixth Hospital, Beijing, China.
Schizophrenia (Heidelberg, Germany)
|February 1, 2025
概括
大脑结构预测了第一发精神分裂症 (FES) 中的抗精神病反应. 灰质量 (GM) 量准确预测3个月的缓解和1年的康复,帮助个性化治疗策略.
科学领域:
- 神经成像是一种神经成像.
- 精神病学是一个精神病学.
- 机器学习 机器学习
背景情况:
- 预测患者对抗精神病药物的反应对于有效的精神分裂症治疗至关重要.
- 灰质 (GM) 变化与精神分裂症有关,但它们对治疗结果的预测价值仍未得到充分研究.
研究的目的:
- 调查转基因体积,皮层厚度和化在第一发精神分裂症 (FES) 无药患者短期和长期治疗结果中的预测作用.
- 开发和评估一种机器学习模型,用于预测个人对抗精神病治疗的反应.
主要方法:
- 在开始治疗之前,一组104名未经药物治疗的FES患者接受了T1加权的MRI扫描.
- 临床症状和社会功能在3个月和1年的随访中使用积极和消极综合征量表和个人和社会表现量表来评估.
- 机器学习算法分析了GM指标,以预测缓解 (3个月) 和康复 (1年) 的结果.
主要成果:
- 广泛的转基因区域,包括上旋和中前旋,预测了3个月的治疗疗效,准确率为74.32%.
- 下额和前带带预测了1年的治疗结果,准确率为70.31%.
- 开发的机器学习模型展示了对个体患者反应的显著预测能力.
结论:
- 灰质结构模式可以预测药物先验FES患者的短期和长期治疗反应.
- 集成神经成像数据的机器学习模型为精神分裂症个性化抗精神病治疗策略提供了一个有希望的方法.
- 这些发现可以增强临床决策和改善精神分裂症的治疗方案.
