运用机器学习预测首发精神分裂症长期结局：聚焦阴性症状维度

项目名称： 运用机器学习预测首发精神分裂症长期结局：聚焦阴性症状维度

项目编号： No.81571320

项目类型： 面上项目

立项/批准年度： 2015

项目学科： 医药、卫生

项目作者： 邓伟

作者单位： 四川大学

项目金额： 25万元

中文摘要： 精神分裂症是精神科常见的重性精神障碍，其疾病长期结局具有较大的个体差异，具有多类别、随机性和波动性等特征。疾病初期患者的相关临床及生物学特征、影响因素等可能对疾病预后的预测具有重要的作用，是当前该领域研究的热点之一。传统数学模型预测力差，且只能给出两分类群组水平预测信息。多体素模式分析(MVPA)是基于机器学习理论-支持向量机开发的数模新技术，能整合临床、认知数据及磁共振图像，对单个患者作结局预测。依托于大样本首发精神分裂症资源库和前期研究结果，本研究拟聚焦于精神分裂症阴性症状这一重要的临床症状维度及相关特征性生物学标记，对患者基线时的多维数据整合建模，并将结合独有的、随访后获取的多时点阴性症状迁延等指标，建立分段最优预测模型，获得预测权重图。在第二阶段将新收集独立样本并随访，对前期建立的患者结局预测力予以验证。预期本研究将为精神分裂症转归机制研究提供科学线索，具有重要的临床转化意义。

中文关键词： 首发精神分裂症；阴性症状；随访研究；机器学习；磁共振影像

英文摘要： Schizophrenia is a common and severe mental disease with long-term outcome varied in different individuals. The variables predicted long-term outcome of schizophrenia has multi-class, random and fluctuant characteristics. It is a hotspot to predict the ou

英文关键词： first episode schizophenia；netetive symptom；follow-up research；machine learning；MRI