精神病学：五种明确定义的模式

慕尼黑路德维希-马克西米利安斯大学（LMU）的尼古拉斯·库索苏里里斯（Nikolaos Koutsouleris）领导的精神科医生采用了一种基于计算机的方法，将被诊断为躁郁症或精神分裂症的精神病患者分配到五个不同的亚组中。该方法可以导致更好的精神病治疗。

能够区分精神科医师认可的各种类型的精神病的诊断方法仍然不足。到目前为止，医生已将精神病患者分为两大类（躁郁症或精神分裂症）中的一种，基本上是基于症状，重点是他们的精神病史的共同要素，所显示的症状范围以及疾病进展的总体模式。这种分类仍然是临床实践和精神病学研究的基本特征，尽管详细的观察结果表明，精神病和潜在的遗传危险因素比常规诊断二分法所表明的异质性更高。现在，由LMU精神病医生Nikolaos Koutsouleris领导的研究人员在18个月内对1223名患者的样本进行了纵向队列研究。获得的结果使研究小组能够将患者分为五个明确定义的亚组，从而提供了精神病病理学的更多差异图片，这对治疗干预具有重要意义。

来自该研究的1223名患者中的756名的数据被用于建立新的分类方案，然后针对其余的参与者子集进行独立验证。根据对总共188个临床变量的评估，所有1223名患者均被诊断为经典精神病，这些变量与个人的病情轨迹，症状，应对日常生活挑战的能力（认知功能）以及认知能力有关。该研究开始确定是否可以基于统计相关变量的聚类将其涵盖广泛范围的精神病的高维度临床数据集分解为定义的亚组。所采用的数据驱动分析策略是基于机器学习的，它可以发现揭示多因素数据大集合中“隐藏结构”的模式。这些模式可能反过来指出具有诊断意义的因果关系差异。这项研究的第一作者LMU心理学家Dominic Dwyer说：“我们的研究表明，基于计算机的分析确实可以帮助我们重新评估患有精神病的人的诊断方法。”该研究的第一作者发表在《 JAMA Psychiatry》杂志上。

分析最终导致对实验人群中五个明确定义的亚组的识别。 “除了症状和功能病程的差异外，还可以根据定义的临床指纹来区分分配给不同亚组的患者，”负责这项研究的尼古拉斯·库特苏莱里斯说。一个亚组的成员也因其教育程度较低而与其他所有成员区分开，这是精神病的潜在危险因素。

研究人员使用一种称为非负矩阵分解的数学方法来检测统计数据中的模式。使用此过程，他们能够将由188个变量组成的起始数据集简化为由核心因素定义的五个子组。这些因素编码了变量之间迄今无法识别的关系，并揭示了连接它们的功能链接。 Dwyer解释说：“通过评估这些因素在个别情况下的相对重要性，可以根据患者的总体评分将患者分配到不同的组中。”通过这种方式，研究的作者能够定义以下五个精神病亚组：情感性精神病，自杀性精神病，抑郁性精神病，高功能性精神病和严重精神病。

Koutsouleris说：“根据临床数据，可以将这些亚组中的每一个与其他所有亚组明确区分开。”例如，分配给第5组的患者的特征在于核心因素：精神分裂症诊断，受教育程度明显较低和言语智力低下。该类别的大多数患者是男性，并表现出明显的精神病症状，但没有抑郁或躁狂的迹象。另一方面，在第二组中，明显有自杀倾向。对于458名受试者的独立小组，证实了该实验人群的分类结果，该结果为构建统计模型提供了基础数据。

分析表明，无偏见，数据驱动的聚类可用于将个体分为具有不同临床特征，疾病轨迹和遗传基础的群体。将来，可以通过使用在线工具将这种计算机辅助分类集成到临床程序中。 Koutsouleris和他的团队已经开发出了这种在线工具的原型，该工具可用于将新个人分为同一组，并预测可在以下位置进行测试的结果 http://www.proniapredictors.eu。

有所作为：赞助机会

故事来源：

用料 由…提供 路德维希-马克西米利安大学-慕尼黑大学。注意：可以编辑内容的样式和长度。