打开菜单

菜单

测试计算机生成的模型,以预测高风险的年轻人转型到精神病

测试计算机生成的模型,以预测高风险的年轻人转型到精神病

发布:5月27日,2021年
测试计算机生成的模型,以预测高风险的年轻人转型到精神病

故事突出了

基于计算机的机器学习方法被用来开发工具,以预测哪些高危青少年在青春期结束时会“转变”为全面精神病,以及哪些高危青少年在18岁之前不会发展为精神病。

一支国际研究团队展示了一种新的基于计算机的模型,旨在预测“临床高风险”(CHR)的个体年轻人在发展精神病的情况下将培养这种疾病。结果出现在日志中JAMA精神病学

“Chr”状态涉及遗传风险提高的年轻人,通常是由于家庭历史,或者患有初步(和通常轻度)精神病症状的人,有时在“精神病的第一集”或FEP中。

临床高风险只有一小部分年轻人实际上“转换”到精神病 - 当它发生时,这是一个事件,这通常发生在青少年和30岁以下。一轮FEP,又标志着发病精神分裂症,最普遍的精神病障碍,或其他精神疾病,如双相情感障碍,可以涉及精神病症状。

在过去的研究中,高危青少年的3年转化为首发精神病的转换率估计在16%到35%之间。这是一个很大的范围,而且它并不具体,这意味着仅靠“观察”方法仍然不能提供关于特定个体转化的机会的见解。能够做出这样的预测被认为对患者及其家属有巨大的潜在好处,因为尽早发现和治疗可以改善患者的长期预后。

由2007年和2003年BBRF独立调查员领导的研究人员大卫·r·考特博士爱尔兰皇家外科医学院2010年杰出研究员菲利普麦威尔,博士。伦敦大学国王学院(King's College London)的一项研究开始发现一套潜在的蛋白质生物标记物,从而能够预测CHR患者转化为精神病的可能性。

过去的研究表明,各种蛋白质水平与对精神病以及其他疾病(包括精神分裂症和抑郁症)的易感性之间存在相关性。虽然这些研究令人鼓舞,但还不可能确定特定的蛋白质组,这些蛋白质组在血液中的水平与未受影响的个体的相同蛋白质水平相比,通过不同的数量升高或降低——可以可靠地帮助精神病预测。

由dr。Cotter和McGuire利用了两个研究队列。他们的主要样本是344个个体,在他们进入研究时都被评估为“CHR”,来自欧洲国家精神分裂症网络基因-环境相互作用研究网络(EU-GEI)。当这些参与者被招募到研究中时,他们捐献了血液,然后被跟踪了数年,看谁变成了FEP,谁没有。

第二组群不以高危青年为重点,它是基于英国的"出生组群"的一部分,纵向研究1991年和1992年在英国雅芳出生的一般人口中的人的健康。在精神病预测研究中分析的一个子集在12岁时没有报告“精神病经历”(PEs)。PEs是低水平的精神病症状,与未来精神病和非精神病性精神障碍的风险相关。

与第一组一样,第二组的血液样本也是必不可少的,它为比较18岁转化为精神病和没有转化为精神病的参与者的血液蛋白质水平提供了基础。

一种名为蛋白质组学的科学用于评估血液中不同蛋白质的表示。在一个关键步骤中,研究人员将这些结果送入计算机,该计算机使用机器学习来开发预测模型。这些模型与各种蛋白质的各种蛋白质相关的数据相关关于两项研究队列中的每位参与者的临床信息。然后将模型反对临床记录来测试,指示哪些参与者所做的,并且没有“转化”到精神病。

由133名参与者组成的CHR青年欧盟 - GEI样本的子集,平均年龄约为22人,约22名男性,包括49(37%)的人发育精神病和84(63%)。该团队报告,基于这项133名参与者的血液的蛋白质分析了这133名参与者的血液,开发了一种模型“这表明了对精神病的良好的预测性能”。一个型号正确地确定了那些继续在高风险案件的98%开发精神病障碍的人,它正确确定了那些不会在81%的病例中转换的人。

另一种基于10个最预测性蛋白质的模型也非常准确。它正确认识到那些继续在高风险案件的95%的精神障碍开发精神病症的人,它正确确定了那些不超过88%的案件的人。

在第二个队列中,基于12岁时的蛋白质水平的模型正确确定了那些在73%的案件中达到18岁的人,它正确确定了71%的案件中的人。

该论文的第一作者大卫·蒙根(David Mongan)指出,具有预测能力的特定蛋白质的身份提供了对精神病障碍潜在的强大洞察力。最引人注目的是,这些蛋白质参与了一种称为补体和凝血级联的机制。它涉及身体的免疫系统,一个重要的事实倾向于重复过去的发现,各种免疫系统功能障碍与精神病和精神分裂症的风险。在未来的研究中,这一关联和其他关联将被跟踪,用于识别预测蛋白的模型也将被跟踪,这些模型必须在其他独立的人群中进行测试,这些人群中既有精神病高危人群,也有精神病不高危人群。

测试计算机生成的模型,以预测高风险的年轻人转型到精神病2021年5月27日星期四

一支国际研究团队展示了一种新的基于计算机的模型,旨在预测“临床高风险”(CHR)的个体年轻人在发展精神病的情况下将培养这种疾病。结果出现在日志中JAMA精神病学

“Chr”状态涉及遗传风险提高的年轻人,通常是由于家庭历史,或者患有初步(和通常轻度)精神病症状的人,有时在“精神病的第一集”或FEP中。

临床高风险只有一小部分年轻人实际上“转换”到精神病 - 当它发生时,这是一个事件,这通常发生在青少年和30岁以下。一轮FEP,又标志着发病精神分裂症,最普遍的精神病障碍,或其他精神疾病,如双相情感障碍,可以涉及精神病症状。

在过去的研究中,高危青少年的3年转化为首发精神病的转换率估计在16%到35%之间。这是一个很大的范围,而且它并不具体,这意味着仅靠“观察”方法仍然不能提供关于特定个体转化的机会的见解。能够做出这样的预测被认为对患者及其家属有巨大的潜在好处,因为尽早发现和治疗可以改善患者的长期预后。

由2007年和2003年BBRF独立调查员领导的研究人员大卫·r·考特博士爱尔兰皇家外科医学院2010年杰出研究员菲利普麦威尔,博士。伦敦大学国王学院(King's College London)的一项研究开始发现一套潜在的蛋白质生物标记物,从而能够预测CHR患者转化为精神病的可能性。

过去的研究表明,各种蛋白质水平与对精神病以及其他疾病(包括精神分裂症和抑郁症)的易感性之间存在相关性。虽然这些研究令人鼓舞,但还不可能确定特定的蛋白质组,这些蛋白质组在血液中的水平与未受影响的个体的相同蛋白质水平相比,通过不同的数量升高或降低——可以可靠地帮助精神病预测。

由dr。Cotter和McGuire利用了两个研究队列。他们的主要样本是344个个体,在他们进入研究时都被评估为“CHR”,来自欧洲国家精神分裂症网络基因-环境相互作用研究网络(EU-GEI)。当这些参与者被招募到研究中时,他们捐献了血液,然后被跟踪了数年,看谁变成了FEP,谁没有。

第二组群不以高危青年为重点,它是基于英国的"出生组群"的一部分,纵向研究1991年和1992年在英国雅芳出生的一般人口中的人的健康。在精神病预测研究中分析的一个子集在12岁时没有报告“精神病经历”(PEs)。PEs是低水平的精神病症状,与未来精神病和非精神病性精神障碍的风险相关。

与第一组一样,第二组的血液样本也是必不可少的,它为比较18岁转化为精神病和没有转化为精神病的参与者的血液蛋白质水平提供了基础。

一种名为蛋白质组学的科学用于评估血液中不同蛋白质的表示。在一个关键步骤中,研究人员将这些结果送入计算机,该计算机使用机器学习来开发预测模型。这些模型与各种蛋白质的各种蛋白质相关的数据相关关于两项研究队列中的每位参与者的临床信息。然后将模型反对临床记录来测试,指示哪些参与者所做的,并且没有“转化”到精神病。

由133名参与者组成的CHR青年欧盟 - GEI样本的子集,平均年龄约为22人,约22名男性,包括49(37%)的人发育精神病和84(63%)。该团队报告,基于这项133名参与者的血液的蛋白质分析了这133名参与者的血液,开发了一种模型“这表明了对精神病的良好的预测性能”。一个型号正确地确定了那些继续在高风险案件的98%开发精神病障碍的人,它正确确定了那些不会在81%的病例中转换的人。

另一种基于10个最预测性蛋白质的模型也非常准确。它正确认识到那些继续在高风险案件的95%的精神障碍开发精神病症的人,它正确确定了那些不超过88%的案件的人。

在第二个队列中,基于12岁时的蛋白质水平的模型正确确定了那些在73%的案件中达到18岁的人,它正确确定了71%的案件中的人。

该论文的第一作者大卫·蒙根(David Mongan)指出,具有预测能力的特定蛋白质的身份提供了对精神病障碍潜在的强大洞察力。最引人注目的是,这些蛋白质参与了一种称为补体和凝血级联的机制。它涉及身体的免疫系统,一个重要的事实倾向于重复过去的发现,各种免疫系统功能障碍与精神病和精神分裂症的风险。在未来的研究中,这一关联和其他关联将被跟踪,用于识别预测蛋白的模型也将被跟踪,这些模型必须在其他独立的人群中进行测试,这些人群中既有精神病高危人群,也有精神病不高危人群。