基于脑影像和机器学习的首发分裂症伴后发抑郁症状患者早期定性诊断指标体系研究

Upon the disease onset, 50% of the first-episode schizophrenic patients do not experience depressive symptoms, while moderate to severe depression occurs later in the course of disease (hereby named as first-episode schizophrenic patients with late-onset depressive symptoms). At present, the onset of depressive symptoms in the disease course and treatment outcome of these patients could not be early predicted, leading to the delays on early precise diagnosis and treatment, which is also an important bottle-neck clinical problem which is needed to be urgently solved. Studies from epidemiology, clinical phenomenology, and brain imaging indicate that a specific brain mechanism might be involved in this disease, and may be manifested by various abnormalities in brain imaging. Investigation of the specific abnormalities in brain imaging and related dynamic change pattern in these patients is pivotal for early quantitative diagnosis and prediction. Based on the above scientific postulation, we will recruit relatively large cohort of first-episode schizophrenic patients and healthy controls, adopt our newly developed auxiliary diagnosis logistic based on machine learning technique and brain imaging index (brain structure, nervous activity and brain network), and methods for predicting treatment outcome, to clarify the specific abnormalities in brain imaging associated with the onset of depressive symptoms in the disease course and treatment outcome as well as its related dynamic change pattern in these patients. We will develop a brain imaging-based classifier for early qualitative diagnosis and provide scientific evidence for resolving aforementioned bottle-neck problems.

50%的首发分裂症患者在分裂症状发病时不伴有抑郁症状，但在其后续病程中却出现中重度抑郁发作（本项目书中称为：首发分裂症伴后发抑郁症状患者）。目前尚无法预判此类患者病程中抑郁症状的起病与否和疗效情况，造成“诊疗滞后”临床瓶颈问题。流行病学、临床现象学、脑影像学等均显示此类患者可能存在特异性神经机制，其特异性神经机制可投射为多种脑影像异常。探寻此类患者特异性脑影像异常及其动态变化模式对于早期定性诊断预测具有重要的科学意义和临床价值。基于以上科学推理，拟采用我们新开发的利用机器学习技术基于脑影像指标（脑结构、神经活动、脑网络）的精神分裂症个体水平上的辅助诊断算法和疗效预测方法，募集较大样本的首发分裂症患者和正常对照组进行随访研究，揭示与此类患者在其病程中抑郁症状起病与否及疗效相关的特异性脑影像异常及其脑影像异常动态变化模式；开发基于脑影像的早期定性诊断预测分类器，为解决诊疗滞后的瓶颈提供科学依据

项目背景：目前尚无法预判此类患者病程中抑郁症状的起病与否和疗效情况，造成“诊疗滞后”临床瓶颈问题。流行病学、临床现象学、脑影像学等均显示此类患者可能存在特异性神经机制，其特异性神经机制可投射为多种脑影像异常。探寻此类患者特异性脑影像异常及其动态变化模式对于早期定性诊断预测具有重要的科学意义和临床价值。基于以上科学推理，采用我们新开发的利用机器学习技术基于脑影像指标（脑结构、神经活动、脑网络）的精神分裂症个体水平上的辅助诊断算法和疗效预测方法，募集较大样本的首发分裂症患者和正常对照组进行随访研究，揭示与此类患者在其病程中抑郁症状起病与否及疗效相关的特异性脑影像异常及其脑影像异常动态变化模式；开发基于脑影像的早期定性诊断预测分类器，为解决诊疗滞后的瓶颈提供科学依据。.主要研究内容和重要研究结果：在本研究中，我们共召集了657例首发精神分裂症患者，116例随访中更改诊断，467例样本采集了所有数据， 400例MRI数据合格。其中132例患者在治疗前，治疗中，出现抑郁症状。根据随访结果，我们分析了132例首次发病伴有抑郁症状患者的脑结构和功能特征，发现膝下前扣带回体积萎缩与首发分裂症伴有抑郁高度相关，且在后续治疗中，疗效较差，精神病性症状和抑郁症状缓解率低于50%。我们继续分析了135例在首次精神分裂症发作时不伴有抑郁症状的患者，在治疗过程中出现抑郁症状的患者的脑表征，我们的数据显示，抗精神病药物引起的颞叶萎缩与抑郁症状相关联，抗精神病药引发的枕叶皮层萎缩，是首发分裂症患者接收抗精神病药物治疗引发的颞叶皮层萎缩，是分裂症患者抑郁症状出现的关键靶点。我们的数据还显示，在首发分裂症伴发抑郁的患者中，在治疗初期加用抗抑郁药，效果不好。而在首发时不伴有抑郁症状，在治疗过程中出现抑郁症状的患者，则对抗抑郁药联合治疗反应良好。这些数据提示我们，首发分裂症伴发抑郁症状的患者，与首发时不伴有抑郁症状，而在治疗过程中出现抑郁症状的患者相比，前者具有不同的神经病理学特征和脑表征。膝下前扣带回，是区分这两者的重要脑表征之一。我们还刻画了不同随访时间点的不同患者的脑表征变化轨迹，我们发现，首发精分伴有抑郁症状的患者，膝下前扣带回呈持续性进展趋势，2年内萎缩程度从0.8% 发展到2.4%。我们采用机器学习技术，建立了基于基线脑影像资料首发精神分裂症共病抑郁的疗效预从测模型，可供临床老师参考使用。