打开菜单

菜单

测试计算机生成的模型,以预测高风险的年轻人转型到精神病

测试计算机生成的模型,以预测高风险的年轻人转型到精神病

发布:5月27日,2021年
测试计算机生成的模型,以预测高风险的年轻人转型到精神病

故事亮点

基于计算机的机器学习方法用于开发工具,以预测在青春期结束时将其“隐蔽”到全面精神病的高风险青年,以及哪些高风险的年轻人不会发展18岁。

一支国际研究团队展示了一种新的基于计算机的模型,旨在预测“临床高风险”(CHR)的个体年轻人在发展精神病的情况下将培养这种疾病。结果出现在日志中贾马精神病学

“Chr”状态涉及遗传风险提高的年轻人,通常是由于家庭历史,或者患有初步(和通常轻度)精神病症状的人,有时在“精神病的第一集”或FEP中。

临床高风险只有一小部分年轻人实际上“转换”到精神病 - 当它发生时,这是一个事件,这通常发生在青少年和30岁以下。一轮FEP,又标志着发病精神分裂症,最普遍的精神病障碍,或其他精神疾病,如双相情感障碍,可以涉及精神病症状。

在过去的研究中,高危青少年的3年转化为首发精神病的转换率估计在16%到35%之间。这是一个很大的范围,而且它并不具体,这意味着仅靠“观察”方法仍然不能提供关于特定个体转化的机会的见解。能够做出这样的预测被认为对患者及其家属有巨大的潜在好处,因为尽早发现和治疗可以改善患者的长期预后。

由2007年和2003年BBRF独立调查员领导的研究人员大卫罗特特,博士。皇家外科医生,爱尔兰和2010年BBRF杰出调查员菲利普麦威尔,博士。伦敦国王大学伦敦举办了潜在的蛋白质生物标志物,能够预测CHR个人转换对精神病的可能性。

过去的研究在各种蛋白质水平与心理症的易感性之间进行了相关性,以及其他疾病,包括精神分裂症和抑郁症。虽然这些研究一直在令人鼓舞,但尚不可能识别与未受影响的个体的相同蛋白质的水平相比,鉴定血液高或降低的特定蛋白质蛋白蛋白群 - 可以可靠地辅助精神病预测。

由DRS领导的团队。CORTER和MCGUIES利用了两项研究队列。他们在进入该研究时评估为“Chr”的344人的主要样本,是从欧洲精神分裂症网络网络研究基因环境相互作用(EU-GEI)的欧洲化学网络。这些参与者在招募进入研究时捐赠了血液,然后在几年内随访了几年才能看到谁做过谁并且没有转换为FEP。

第二个队列,并不关注高风险的青年,是英国的“出生队列”的一部分,纵向研究了1991年和1992年在英国州雅览店的一般人口的健康。对精神病预测研究分析的子集尚未报告12岁的“精神病经验”(PES).PE是低水平的精神病症状,与未来精神病和非精神病精神障碍的风险有关。

如第一次,这第二个队列中的血液样本是必不可少的,为将血液蛋白质水平与18岁以上的参与者进行比较并没有转化为精神病的基础。

一种名为蛋白质组学的科学用于评估血液中不同蛋白质的表示。在一个关键步骤中,研究人员将这些结果送入计算机,该计算机使用机器学习来开发预测模型。这些模型与各种蛋白质的各种蛋白质相关的数据相关关于两项研究队列中的每位参与者的临床信息。然后将模型反对临床记录来测试,指示哪些参与者所做的,并且没有“转化”到精神病。

由133名参与者组成的CHR青年欧盟 - GEI样本的子集,平均年龄约为22人,约22名男性,包括49(37%)的人发育精神病和84(63%)。该团队报告,基于这项133名参与者的血液的蛋白质分析了这133名参与者的血液,开发了一种模型“这表明了对精神病的良好的预测性能”。一个型号正确地确定了那些继续在高风险案件的98%开发精神病障碍的人,它正确确定了那些不会在81%的病例中转换的人。

另一种基于10个最预测性蛋白质的模型也非常准确。它正确认识到那些继续在高风险案件的95%的精神障碍开发精神病症的人,它正确确定了那些不超过88%的案件的人。

在第二个队列中,基于12岁时的蛋白质水平的模型正确确定了那些在73%的案件中达到18岁的人,它正确确定了71%的案件中的人。

具有预测权力的特定蛋白质的特定蛋白质的身份提供了潜在的强大的洞察力,对精神障碍,第一个作者指出了David Mongan。最引人注目的含义是许多这些蛋白质在称为补体和凝血级联的机制中的累积。它涉及身体的免疫系统,这是一个重要的事实,趋于回应过去的结果与精神病和精神分裂症风险相关联的过去的结果关联各种免疫系统功能障碍。将在未来的研究中遵循该和其他协会,旨在识别预测性蛋白质的模型,必须在高风险和心理学的高风险上以其他,独立的群体进行测试。

测试计算机生成的模型,以预测高风险的年轻人转型到精神病2021年5月27日星期四

一支国际研究团队展示了一种新的基于计算机的模型,旨在预测“临床高风险”(CHR)的个体年轻人在发展精神病的情况下将培养这种疾病。结果出现在日志中贾马精神病学

“Chr”状态涉及遗传风险提高的年轻人,通常是由于家庭历史,或者患有初步(和通常轻度)精神病症状的人,有时在“精神病的第一集”或FEP中。

临床高风险只有一小部分年轻人实际上“转换”到精神病 - 当它发生时,这是一个事件,这通常发生在青少年和30岁以下。一轮FEP,又标志着发病精神分裂症,最普遍的精神病障碍,或其他精神疾病,如双相情感障碍,可以涉及精神病症状。

在过去的研究中,高危青少年的3年转化为首发精神病的转换率估计在16%到35%之间。这是一个很大的范围,而且它并不具体,这意味着仅靠“观察”方法仍然不能提供关于特定个体转化的机会的见解。能够做出这样的预测被认为对患者及其家属有巨大的潜在好处,因为尽早发现和治疗可以改善患者的长期预后。

由2007年和2003年BBRF独立调查员领导的研究人员大卫罗特特,博士。皇家外科医生,爱尔兰和2010年BBRF杰出调查员菲利普麦威尔,博士。伦敦国王大学伦敦举办了潜在的蛋白质生物标志物,能够预测CHR个人转换对精神病的可能性。

过去的研究在各种蛋白质水平与心理症的易感性之间进行了相关性,以及其他疾病,包括精神分裂症和抑郁症。虽然这些研究一直在令人鼓舞,但尚不可能识别与未受影响的个体的相同蛋白质的水平相比,鉴定血液高或降低的特定蛋白质蛋白蛋白群 - 可以可靠地辅助精神病预测。

由DRS领导的团队。CORTER和MCGUIES利用了两项研究队列。他们在进入该研究时评估为“Chr”的344人的主要样本,是从欧洲精神分裂症网络网络研究基因环境相互作用(EU-GEI)的欧洲化学网络。这些参与者在招募进入研究时捐赠了血液,然后在几年内随访了几年才能看到谁做过谁并且没有转换为FEP。

第二个队列,并不关注高风险的青年,是英国的“出生队列”的一部分,纵向研究了1991年和1992年在英国州雅览店的一般人口的健康。对精神病预测研究分析的子集尚未报告12岁的“精神病经验”(PES).PE是低水平的精神病症状,与未来精神病和非精神病精神障碍的风险有关。

如第一次,这第二个队列中的血液样本是必不可少的,为将血液蛋白质水平与18岁以上的参与者进行比较并没有转化为精神病的基础。

一种名为蛋白质组学的科学用于评估血液中不同蛋白质的表示。在一个关键步骤中,研究人员将这些结果送入计算机,该计算机使用机器学习来开发预测模型。这些模型与各种蛋白质的各种蛋白质相关的数据相关关于两项研究队列中的每位参与者的临床信息。然后将模型反对临床记录来测试,指示哪些参与者所做的,并且没有“转化”到精神病。

由133名参与者组成的CHR青年欧盟 - GEI样本的子集,平均年龄约为22人,约22名男性,包括49(37%)的人发育精神病和84(63%)。该团队报告,基于这项133名参与者的血液的蛋白质分析了这133名参与者的血液,开发了一种模型“这表明了对精神病的良好的预测性能”。一个型号正确地确定了那些继续在高风险案件的98%开发精神病障碍的人,它正确确定了那些不会在81%的病例中转换的人。

另一种基于10个最预测性蛋白质的模型也非常准确。它正确认识到那些继续在高风险案件的95%的精神障碍开发精神病症的人,它正确确定了那些不超过88%的案件的人。

在第二个队列中,基于12岁时的蛋白质水平的模型正确确定了那些在73%的案件中达到18岁的人,它正确确定了71%的案件中的人。

具有预测权力的特定蛋白质的特定蛋白质的身份提供了潜在的强大的洞察力,对精神障碍,第一个作者指出了David Mongan。最引人注目的含义是许多这些蛋白质在称为补体和凝血级联的机制中的累积。它涉及身体的免疫系统,这是一个重要的事实,趋于回应过去的结果与精神病和精神分裂症风险相关联的过去的结果关联各种免疫系统功能障碍。将在未来的研究中遵循该和其他协会,旨在识别预测性蛋白质的模型,必须在高风险和心理学的高风险上以其他,独立的群体进行测试。