五个明确定义的亚组可能会带来更好的精神病治疗方法
由LMU的Nikolaos Koutsouleris领导的精神病学家使用基于计算机的方法将被诊断为双相情感障碍或精神分裂症的精神病患者分为五个不同的亚组。这种方法可能会为精神病带来更好的治疗方法。
能够区分精神科医生所承认的各种类型精神病的诊断方法仍然不足。到目前为止，医生已经分配精神病患者分为两大类之一双相情感障碍或者精神分裂症——主要是基于症状，关注他们精神病史的共同因素，表现出的症状范围和疾病发展的总体模式。这种分类仍然是临床实践和精神病学研究的基本特征，尽管详细的观察表明，精神疾病和潜在的遗传风险因素比传统的诊断二分法所显示的更加异质。现在，由LMU精神病学家Nikolaos Koutsouleris领导的研究人员对1223名患者进行了为期18个月的纵向队列研究。所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，从而提供了一个更加分化的精神病病理图，这对治疗干预具有意义。
该研究纳入的1223名患者中，756名患者的数据被用于建立新的分类方案，然后对其余参与者子集进行独立验证。所有1223名患者都被诊断为经典精神病，基于对个人病情轨迹、症状、应对日常生活挑战的能力(“功能”)和认知表现等共计188个临床变量的评估。该研究旨在确定他们覆盖广泛精神病谱系的高维临床数据集是否可以根据统计相关变量的聚类分解为定义的亚组。采用的数据驱动分析策略基于机器学习，可以发现揭示大量多因素数据中“隐藏结构”的模式。这些模式可能反过来指出具有诊断相关性的因果关系的差异。“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如何从诊断上区分患有精神病症状的人，”LMU心理学家多米尼克·德怀尔说，他是该研究的第一作者，该研究发表在杂志上JAMA精神病学．
分析最终导致在实验人群中识别出五个明确定义的亚群体。该研究的负责人Nikolaos Koutsouleris说:“除了症状和功能过程的差异外，还可以根据确定的临床指纹来区分被分配到不同亚组的患者。”其中一个亚组的成员也根据他们的教育程度的低分数与其他所有人进行了区分，这被认为是精神疾病的潜在风险因素。
研究人员使用了一种被称为非负矩阵分解的数学方法来检测统计数据中的模式。使用这个过程，他们能够将由188个变量组成的初始数据集减少到由核心因素定义的五个子组。这些因素编码了迄今为止尚未认识到的变量之间的关系，并揭示了连接它们的功能链接。德怀尔解释说:“通过评估这些因素在个别病例中的相对重要性，有可能根据患者的总体得分将他们分配到不同的组。”通过这种方式，该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、高功能精神病和重度精神病。
Koutsouleris说:“根据临床数据，这些亚组中的每一个都可以与其他所有亚组明确区分开来。”例如，被分配到第5组的患者的特点是核心因素:精神分裂症诊断，明显较低的水平受教育程度语言智力低下。这类患者大多为男性，表现出明显的精神病症状，但无抑郁或躁狂迹象。另一方面，在第二组中，自杀倾向明显存在。该实验人群的分类结果为统计模型的构建提供了基础数据，在458名受试者的独立组中得到了证实。
这些分析表明，无偏倚的、数据驱动的聚类可以用于将个体划分为具有不同临床特征、疾病轨迹和遗传基础的群体。在未来，这种计算机辅助分类可能会通过使用在线工具整合到临床常规中。Koutsouleris和他的团队已经开发了这样一个在线工具的原型，可以用来将新个体分层到相同的组中，并预测可以测试的结果www.proniapredictors.eu．
进一步探索
