基于多元神经影像特征的精神分裂症亚型解析

Schizophrenia is considered to be a set of brain dysfunction syndrome with heterogeneity in etiology and pathology. The heterogeneity of the disease makes patients vary in symptoms and prognosis. Therefore, reasonable subtyping of patients will help to discover the pathogenesis of schizophrenia and develop targeted treatment. However, the lack of accuracy and stability in current symptomatology based schizophrenia subtyping strategy makes it difficult to guide clinical practice. In previous study, the applicant has revealed subpopulations in schizophrenia patients using white matter neuroimaging features and data-driven analysis strategy. The current project will focus on a large sample of patients with first-episode medication-naive schizophrenia to establish individual's gray and white matter image feature extraction process according to the idea from radiomics. An relationship model between clinical symptoms and imaging features will be built with regularized regression to select disease related features. The potential subgroup structure in the selected feature dataset will be investigated using cluster analysis followed by a longitudinal verification. The current project seek to disentangle the heterogeneity of schizophrenia with neuroimaging features, and finally explore the possibility of developing neuroimaging features based schizophrenia subtyping method.

精神分裂症被认为是一组病因病理存在异质性的脑功能异常综合征，该病的异质性造成患者在症状、预后等方面可有很大差别，因此对患者进行合理分型将有助于研究精神分裂症的病理机制并制定针对性的治疗方案。但现有的基于症状学的分型策略在准确性和稳定性方面存在较大缺陷而难以用于指导临床实践。申请人在前期研究中已发现利用患者白质的影像特征和数据驱动的分析方法可以揭示患者群体中存在的亚组结构。本项目将在既往工作的基础上以大样本首发未治疗的精神分裂症患者作为研究对象，借鉴影像组学的研究方法分别建立灰质和白质影像特征提取流程，并利用正则回归技术建立临床症状与影像特征之间的关系模型以筛选疾病相关特征，最后采用聚类分析探讨患者亚组形式并通过纵向随访对聚类结果进行验证。本项目以期从神经影像角度解析精神分裂症的异质性，并对建立基于神经影像特征的精神分裂症分型方法进行初步探索。

本项目利用先进的多模态磁共振成像技术对精神分裂症患者脑部异常进行了研究，并在此基础上提出可用于辅助诊断和分型的影像学标志物。本项目执行中（1）首次建立了适用于精神疾病患者且与人脑连接组项目（HCP）兼容的多模态影像采集方案，并建立了高质量的精神分裂症患者首发与随访影像数据库；（2）首次建立了适用于精神影像的影像组学分析框架，并成功用于多动症患者，取得了较为理想的诊断和分型预测准确率。由该分析框架可得到基于脑影像特征的精神疾病判别模型，同时可从大量脑影像特征中筛选出对分类有显著贡献的特征。该分析框架是组学分析方法在脑影像研究中的初次实践，为精神影像学研究提供了新的工具；（3）首次将自动机器学习算法应用到医学影像分析。通过本项目的实施，研究团队建立了从图像采集、影像特征提取到机器学习分析一套完成且标准化的多模态脑影像处理流程，为精神影像技术的临床转化奠定了方法学上的基础。