预测精神疾病的算法

22号染色体微缺失的儿童中，有三分之一日后会患上精神分裂症等精神疾病。但我们怎么知道哪些孩子会受到影响呢?今天，各种研究有助于理解与精神疾病发展相关的神经生物学机制。问题在于，识别高危人群并据此调整治疗方法的能力仍然有限。事实上，除了神经生物学因素外，还有许多因素影响着他们的发育。这就是为什么来自日内瓦大学(UNIGE)的团队与来自EPFL的团队联手纵向使用人工智能工具:网络分析方法。该算法将来自不同背景的许多变量——神经生物学、心理学、认知等——在20年的时间内联系起来，以确定当前的症状是儿童未来发展轨迹中精神病的预测。这些结果将发表在杂志上eLife,将使被认为有可能发展成心理障碍的儿童得到早期治疗，目的是预防甚至避免这种疾病。

每4000人中就有一人有22号染色体的微缺失，这可能导致青少年患上精神分裂症等精神疾病。然而，他们中只有三分之一最终会受到精神障碍的影响。我们如何确定是哪些呢?“目前，分析正在研究涉及的神经生物学机制心理障碍，以及某些症状的存在，被同化为一种心理疾病而不知道哪些是最相关的，”UNIGE医学院精神科的研究员Corrado Sandini向基金会Pôle自闭症解释道，他也是这项研究的第一作者。

如果不能考虑到每个症状的重要性程度，在预测疾病的进程和为患者提供最合适的治疗时可能会出现问题。“这就是为什么我们想到使用网络分析方法，”他继续说。这种方法目前用于成人，可以将来自完全不同世界的变量组合在同一个分析空间中，同时单独考虑它们。“由于精神疾病的发展取决于许多变量，而不是纯粹的神经生物学变量，这种算法将有可能突出最重要的症状，以提醒儿童成为精神分裂症的潜在风险，例如，”Stéphan Eliez说，他是UNIGE医学院精神病学教授，并向基金会Pôle自闭症。

寻找预测症状

日内瓦研究小组与EPFL的研究人员合作开发了这种方法，并将其应用于一组患有22号染色体微缺失的儿童和青少年，其中一些人已经被跟踪了20多年。UNIGE医学院放射学和医学信息系教授Dimitri Van De Ville强调说:“目的是通过纵向方式为年轻患者量身定制网络分析，以获得关于整个儿童发展轨迹中高度交织的变量的深刻统计数据。”目的是找到童年时期的变量，从而预测精神病的发展。Stéphan Eliez解释说:“因此，我们将知道该打哪一场战斗，这要归功于一些关键因素，这些因素使我们能够在必要的时候在哪里采取行动。”“如果我们能识别出它们，我们就可以尝试调节症状，以降低患糖尿病的风险精神疾病稍后。”

为了检验该方法，70名22号染色体微缺失的儿童考虑了40个变量，从儿童到成年每三年观察一次。“这些变量包括幻觉、一般情绪、内疚感和日常压力管理，”科拉多·桑迪尼解释说。由家长完成的问卷调查也提供了有价值的数据。然后，视觉表征揭示/突出/确定了预测三年后心理问题发展的最重要变量。“我们发现，一个焦虑的10岁孩子，如果在青春期无法应对压力，就很可能患上心理疾病。因此，焦虑的演变是一个重要的警告信号，”日内瓦的研究人员继续说道。同样，悲伤，随着时间的推移变成一种内疚感，也是一个非常重要的症状。

为每个孩子提供个性化的方法

为了证实他们算法的结果，研究人员将其应用于其他易患精神疾病的人群，他们已经跟踪了多年，因此能够确认计算机工具是有效的。现在的目标是将其作为一种预测工具，但也可以通过整合其他变量(如体重)来完善它，以促进临床评估。最后，这种方法的兴趣显然是预测，目的是避免疾病，但最重要的是它完全个性化的品质，研究每个孩子特定的发展轨迹。