打开菜单

菜单

研究人员训练计算机识别双相情感障碍的生物特征

研究人员训练计算机识别双相情感障碍的生物特征

发布:2018年10月29日
研究人员训练计算机识别双相情感障碍的生物特征

故事突出了

在收集了3000多张双相情感障碍患者和对照组的脑部扫描图后,研究人员测试了计算机是否能够自我训练,可靠地将患者和对照组区分开来。研究结果被认为是很有前途的,为双相情感障碍的脑成像特征提供了概念上的证明,以识别个体的疾病。

研究人员在寻找精神疾病的生物学标记方面继续取得进展。如果这些标记物能够得到科学验证,人们普遍期望它们能使诊断和风险评估更加客观。

现在,一个由2015年BBRF独立调查员和2007年年轻调查员领导的大型国际团队托马斯·哈耶克,医学博士,博士,达尔豪斯大学,哈利法克斯,新斯科舍省,据报道促进努力使用机器学习方法来识别诊断标志的结果双相情感障碍.这些发现是基于通过核磁共振大脑成像收集的信息。该报告于2018年8月31日发表分子精神病学

目前,所有精神疾病的诊断仍以观察和报告的病人症状为基础。双相情感障碍提出了一个特殊的诊断挑战,因为在许多情况下,它首先表现为沮丧.一小部分抑郁的人会在一些所谓的躁狂发作后点经验,以症状看似截然相反的抑郁症:高度兴奋状态,伟大的能量,减少需要睡眠,和皮疹和冲动的做决定的倾向。这部分患者被认为患有双相情感障碍。

进一步复杂化诊断任务是双极性障碍是科学家称之为“异质”的事实,这意味着有几种具有不同症状模式和神经生物学的亚型。因此,基于客观生物措施的诊断,例如涉及脑成像的人,对医生和患者相似非常有帮助。

Hajek和同事博士希望确定MRI成像数据是否可以在大脑中揭示一组生物学性质,以发出大多数患者在大多数患者中存在双相障碍的存在。为了测试这个概念,团队将MRI扫描从总共853例双相障碍和2,167次控制汇集在一起​​。这些受试者是一个名为eNigma的项目中的数据集的一部分,其具有来自不同站点的患者信息以形成大型样品。需要大型样品来有效地采用机器学习方法,其中电脑训练自己识别 - 在这种情况下 - 与双相障碍相对应的脑解剖学方面。到目前为止,没有组装可比大小的样本以这样做。

考虑到疾病的可变性,以及本研究招募的患者在13个不同部位没有任何协调的事实,研究人员最初怀疑他们能否根据大脑结构将患者与对照组区分开来。然而,他们从核磁共振扫描中获得的生物参数使他们能够以约65%的准确率识别双相障碍患者。研究小组指出:“这些发现为双相情感障碍的可普遍化的脑成像特征提供了概念证明,这种特征甚至可以在一个大的、多地点的样本中检测到个体受试者。”他们补充说,“试图将患者与对照组区分开来是在转向更多临床相关问题(如鉴别诊断)之前的第一步”——能够区分具有相似表现的不同精神疾病。

要用作临床诊断工具,机器学习必须产生至少80%的诊断准确率。Hajek博士说,能够接触到实际的核磁共振扫描,而不仅仅是关于大脑特定区域的信息,可能会显著提高表现。然而,他指出,目前共享完整的扫描结果会带来法律和病人隐私方面的并发症。

其他参与该研究的BBRF资助人包括:Geraldo Busato博士。《独立调查员》;达拉大炮,博士。,2006年,2004年年轻的调查员;贾尼斯富勒顿博士。,2007年年轻的调查员;大卫·德格拉恩博士。,2014年独立调查员,2003年,2005年年轻调查员;Roshel Lenroot,医学博士, 2003年青年研究员;Colm麦克唐纳博士。,2009年独立调查员,2002年年轻调查员;Theodore Satterthwaite,M.D., 2014年科勒曼奖得主,2010年青年研究员;jair soares,m.d.,ph.d.,1999年,1997年年轻的调查员;和Eduard Vieta,M.D.,2012年科尔文奖。

研究人员训练计算机识别双相情感障碍的生物特征2018年10月29日,星期一

研究人员在寻找精神疾病的生物学标记方面继续取得进展。如果这些标记物能够得到科学验证,人们普遍期望它们能使诊断和风险评估更加客观。

现在,一个由2015年BBRF独立调查员和2007年年轻调查员领导的大型国际团队托马斯·哈耶克,医学博士,博士,达尔豪斯大学,哈利法克斯,新斯科舍省,据报道促进努力使用机器学习方法来识别诊断标志的结果双相情感障碍.这些发现是基于通过核磁共振大脑成像收集的信息。该报告于2018年8月31日发表分子精神病学

目前,所有精神疾病的诊断仍以观察和报告的病人症状为基础。双相情感障碍提出了一个特殊的诊断挑战,因为在许多情况下,它首先表现为沮丧.一小部分抑郁的人会在一些所谓的躁狂发作后点经验,以症状看似截然相反的抑郁症:高度兴奋状态,伟大的能量,减少需要睡眠,和皮疹和冲动的做决定的倾向。这部分患者被认为患有双相情感障碍。

进一步复杂化诊断任务是双极性障碍是科学家称之为“异质”的事实,这意味着有几种具有不同症状模式和神经生物学的亚型。因此,基于客观生物措施的诊断,例如涉及脑成像的人,对医生和患者相似非常有帮助。

Hajek和同事博士希望确定MRI成像数据是否可以在大脑中揭示一组生物学性质,以发出大多数患者在大多数患者中存在双相障碍的存在。为了测试这个概念,团队将MRI扫描从总共853例双相障碍和2,167次控制汇集在一起​​。这些受试者是一个名为eNigma的项目中的数据集的一部分,其具有来自不同站点的患者信息以形成大型样品。需要大型样品来有效地采用机器学习方法,其中电脑训练自己识别 - 在这种情况下 - 与双相障碍相对应的脑解剖学方面。到目前为止,没有组装可比大小的样本以这样做。

考虑到疾病的可变性,以及本研究招募的患者在13个不同部位没有任何协调的事实,研究人员最初怀疑他们能否根据大脑结构将患者与对照组区分开来。然而,他们从核磁共振扫描中获得的生物参数使他们能够以约65%的准确率识别双相障碍患者。研究小组指出:“这些发现为双相情感障碍的可普遍化的脑成像特征提供了概念证明,这种特征甚至可以在一个大的、多地点的样本中检测到个体受试者。”他们补充说,“试图将患者与对照组区分开来是在转向更多临床相关问题(如鉴别诊断)之前的第一步”——能够区分具有相似表现的不同精神疾病。

要用作临床诊断工具,机器学习必须产生至少80%的诊断准确率。Hajek博士说,能够接触到实际的核磁共振扫描,而不仅仅是关于大脑特定区域的信息,可能会显著提高表现。然而,他指出,目前共享完整的扫描结果会带来法律和病人隐私方面的并发症。

其他参与该研究的BBRF资助人包括:Geraldo Busato博士。《独立调查员》;达拉大炮,博士。,2006年,2004年年轻的调查员;贾尼斯富勒顿博士。,2007年年轻的调查员;大卫·德格拉恩博士。,2014年独立调查员,2003年,2005年年轻调查员;Roshel Lenroot,医学博士, 2003年青年研究员;Colm麦克唐纳博士。,2009年独立调查员,2002年年轻调查员;Theodore Satterthwaite,M.D., 2014年科勒曼奖得主,2010年青年研究员;jair soares,m.d.,ph.d.,1999年,1997年年轻的调查员;和Eduard Vieta,M.D.,2012年科尔文奖。