정신 분열병 환자를 확인하는 데 도움이되는 기계 학습

새로 정신 분열증 진단을받은 환자들을 어떻게 도울 수 있습니까?

두뇌 및 행동 요원으로

기능적 영상 데이터를 분석하기 위해 기계 학습 기술을 사용하여 재단 지원 연구원은 새로 진단받은 환자 그룹의 78 %에서 정신 분열증의 존재를 확인할 수 있다고보고했습니다. 팀은 82 %의 정확도로 항 정신병 약물 인 리스페리돈 치료에 반응 할 환자를 예측할 수 있습니다.

이것은 캐나다 정신 분열증 진단에 도움을 줄 수있는 신뢰할 수있는 바이오 마커를 찾는 단계이며, 증상이 나타나기 전에 질병을 예측한다고해도 캐나다 앨버타 대학교의 BBRF 2016 젊은 연구원은 말합니다. 카오 (Kazo)는 6 월에 분자 정신 의학 학술지에 발표 된이 팀의 논문의 저자이기도합니다.

카오 (Kao)와 동료들은 정신병의 첫 번째 사건이 있었으나 아직 치료를받지 못한 정신 분열증 환자 그룹에서 fMRI 뇌 스캔 이미지를 수집했다. 건강 검진은 대조군으로 채용 된 건강한 지역 사회 구성원들 에게서도 이루어졌습니다. 연구팀은 기계 학습 알고리즘 (수학 기반 절차)을 사용하여 이미지를 분석하고 상측 측두엽 (STC)과 다른 피질 영역이라고 불리는 뇌 부분 간의 연결을 평가했습니다. STC는 소리의 인식과 감각 정보의 통합에 관여합니다.

결과는 정신 분열병의 초기 단계에서 STC와 다른 피질 부분 사이의 정보 공유가 병이없는 사람들의 수준과 비교하여 감소되었다는 것을 제시했다. 항 정신병 제는 시간이 지남에 따라 뇌를 변화시킬 수 있기 때문에 팀은 의도적으로 약을 복용하지 않은 환자를 모집하여 잠재적 인 혼란을 막을 수 있습니다. 결과는 STC 연결성이 초기 단계 질병 및 정신병 위험의 유용한 바이오 마커가 될 수 있다는 제안 때문에 흥미 롭다.

카오는 정신 분열증과 같은 심각한 정신 질환을 진단하고 치료하는 것이 가능한 한 빨리 중요하다고 강조했다. 팀은 이번 연구 결과가 더 큰 환자 표본으로 검증 될 필요가 있다고 말했다. 그러나이 연구는 초기 진단 식별에서의 번역 도구 개발과 첫 번째 에피소드 정신 분열증에서 초기 치료를위한 맞춤 치료 접근법을위한 중요한 단계라고 제시했다.

팀의 수석 멤버는 현재 중국 과학원 심리학 연구소 (Institute of Psychology)의 2013 BBRF 독립 조사관 인 Xiang Yang Zhang, MD, Ph.D.입니다. 다른 회원은 Baylor College of Medicine 연구원 Raymond Y. Cho, MD, M.Sc., BBRF 2015 Independent Investigator 및 2005 년과 2003 년 Young Investigator, Houston University of Houston 연구원 Jair Soares, MD, Ph.D ., BBRF 2002 독립 조사관 및 1999 및 1997 Young Investigator.