基于機器學習的情緒障礙診斷：功能網(wǎng)絡(luò)預(yù)測藥物反應(yīng)

1、來自倫敦健康科學中心勞森健康研究所(LawsonHealthResearchInstitute,LondonHealthSciencesCentre)的OsuchE等研究人員在ActaPsychiatricaScandinavica(APS)期刊上發(fā)表了基于功能磁共振成像(fMRI)的情感障礙患者的分類和預(yù)測的相關(guān)研究。結(jié)果表明，他們提出的分類算法能夠?qū)η楦姓系K患者進行較好的診斷，并且對復(fù)雜患者的藥物反應(yīng)進行準確預(yù)測。本研究采集了99名受試者的功能磁共振數(shù)據(jù)。其中，受試者被分為雙相障礙患者(bipolardisorder,BD)、重度抑郁癥患者(majordepressivedisorder,

2、MDD)和健康被試。其次，本研究采用已確診的受試者對模型進行訓練和驗證。其主要步驟包括：提取了最大空間獨立成分、構(gòu)建了受試者之間的相似矩陣、核空間劃分(kernelspace)相似矩陣、優(yōu)化支持向量機(SupportVectorMachine,SVM)分類器和獨立成分組合。最后，本研究將訓練好的分類器應(yīng)用到12名已確診的情緒障礙患者。結(jié)果表明，本研究提出的算法對已確診患者的分類正確率高達92.4%,并確定了最優(yōu)的5個獨立成分組合。此外，本研究將此分類模型應(yīng)用于12例未確診的情感障礙患者，其分類準確率高達92%o關(guān)鍵字：功能磁共振成像(fMRI)、獨立成分分析、支持向量機、雙相情感障礙、抑郁癥被

3、試招募99名(年齡16-27歲)受試者，包括32名雙相情感障礙I型(BipolarDisordertypeI,BD-I)患者、34名重度抑郁癥(MajorDepressiveDisorder,MDD)患者和33名健康受試者(HealthyControl,HC)。其中，BD和MDD患者由FirstEpisodeMoodandAnxietyProgram(FEMAP)和倫敦健康中心進行招募。所有病人均通過StructuredClinicalInterviewforDSMdisorders-IV(SCID-IV)和theDiagnosticInterviewforGeneticStudies(DIG

4、S)診斷并經(jīng)過臨床精神病學診斷與評估同時，本研究中存在12名未能確診的患者(unknown,antidepressants,AD）和情緒穩(wěn)定UNK)。此外，所有病人治療藥物被簡化為抗抑郁癥類(moodstabilizers,MS)兩類。數(shù)據(jù)采集與處理本研究對所有受試者進行了磁共振成像掃描，采集了T1加權(quán)MRI和fMRI功能影像。其中，BD和MDD患者在掃描前的3周服用藥物維持不變，同時掃描期間情緒正常(sustainedeuthymia)。本研究采用SPM工具包進行數(shù)據(jù)預(yù)處理，其步驟主要包括前10個時間點去除、時間層校正、頭動校正、分割、空間標準化和空間平滑。基于先前的分類方法，本研究改進了分

5、類算法。其主要包括四個部分：(1)基于fMRI數(shù)據(jù)估計空間3立成分(IndependentComponents,ICs)；(2)基于sigmoid核函數(shù)構(gòu)建被試間相似性矩陣；(3)在核空間對相似性矩陣進行劃分；(4)嵌套交叉驗證支持向量機(supportvectormachine,SVM)分類器的構(gòu)建和獨立成分組合的優(yōu)化。詳細如圖1所示。圖1.分類器構(gòu)建框架):本研究在BD、1 .基于fMRI數(shù)據(jù)估計空間3立成分（independentcomponents,ICsMDD和HC三組上采用了組信息引導的獨立成分分析(GroupinformationguidedICA,GIG-ICA)方法分解了20

6、個獨立成分.2 .基于sigmoid核構(gòu)建被試間相似性矩陣：為探討?yīng)毩⒊煞值慕M合以提高分類正確率，本研究構(gòu)建了由判別成分組合張成的子空間，并在此基礎(chǔ)上計算了被試成分之間的黎曼相似度/距離測度。如圖1.a所示3 .采用SVM分類器進行前向成分選擇(Forwardcomponentselection):已確診的BD和MDD的分類器的嵌套交叉驗證如圖1.a所示，未確診的UNK受試的分類器的測試如圖1.b所示。本研究采用步進式(step-wise)前向特征選擇的方法對成分進行選擇和組合優(yōu)化。最后，本研究基于已確診的BD和MDD的100個最優(yōu)獨立成分組合構(gòu)建了具有900個投票的分類器。4 .未知標簽的被

7、試分類：本研究采用訓練好的分類器對未確診的UNK患者進行投票以便確定每個UNK患者的標簽。研究結(jié)果BD、MDD和HC受試者的人口統(tǒng)計學信息如表1所示。雖然三組受試者無性別差異，BD患者的年齡大于MDD患者，但本研究采用MANCOVA統(tǒng)計檢驗在性別和年齡未發(fā)現(xiàn)顯著的差異。另外，研究結(jié)果發(fā)現(xiàn)在每個IC上回歸人口統(tǒng)計信息協(xié)變量和未回歸協(xié)變量的結(jié)果表現(xiàn)相同。為說明了人口統(tǒng)計信息的影響，本研究僅基于年齡和性別采用相同參數(shù)的SVM分類器對BD和MDD患者進行了分類。其中正確率為49.32%、敏感性為89.19%和特異性為8.33%。已確診的HC、BD和MDD的分類針對BD和MDD的分類，本研究訓練的分類器

8、對不同數(shù)目的IC分類正確率均保持在84%以上。其中，最好的分類正確率為92.4%,敏感性87.5%和特異性97.1%,同時該分類器包含了5個獨立成分。本研究訓練的分類器在BD和HC間的分類精度為91.4%,在MDD和HC間的分類精度為94.2%o同時，與以前的方法相比，本研究在模型精確度和耗時方面均有所提高。其中，本研究每個10折交叉僅耗時39.8小時，以前的方法則需耗時143.1小時。如圖2a所示。已知的BD和MDD組之間的判別成分本研究中在10次10折交叉驗證中存在100種獨立成分的組合。圖2b中展示了最優(yōu)組合中20個成分出現(xiàn)的頻率。本研究選擇了5個成分（11、6、16、1、2,如圖2c所

9、示）作為最具有判別能力的功能網(wǎng)絡(luò)來區(qū)分BD和MDDo上述5個成分主要包含了背側(cè)注意網(wǎng)絡(luò)、默認網(wǎng)絡(luò)、額頂中心執(zhí)行網(wǎng)絡(luò)和突顯網(wǎng)絡(luò)，同時也包含了尾狀核、腦島和丘腦。Fn.nlitfd0祚叩nCLMUiA<!JD£.n-atfjuliwTudLtulJCumHi圖2.分類結(jié)果r-01未確診UNK患者的分類12名UNK受試者的BDvs.MDD的投票比例和分類器預(yù)測結(jié)果、掃描期間和情緒正常(sustainedeuthymia)狀態(tài)下的臨床診斷和藥物類別(medication-classes)和其他變量如表2所示。在本研究提出的具有二分類的SVM的診斷預(yù)測模型中，每個UNK受試者都被假定為B

10、D或MDD患者。具體的病例信息和介紹可參考原文。基于受試者的藥物反應(yīng)，本研究提出的算法對12個受試者中的11個預(yù)測分類是正確的。值得注意的是，該算法以患者對藥物反應(yīng)為金標準(goldstandard)。其中，該算法對5名腦功能更像BD的患者(具有MS藥物反應(yīng))和2名腦功能更像MDD的患者(具有AD藥物反應(yīng))進行了正確的分類。同時，該算法對4名腦功能更像MDD的患者(未服用藥物且情緒正常)進行保守的分類。此外,本研究對1名患有精神分裂障礙和腦功能更像MDD患者（對MS和AP藥物有反應(yīng)，而對AD藥物未有反應(yīng)）進行了錯誤分類。表2.分類器投票、DIGS情緒診斷、臨床診斷和藥物類別信息0口聒thClW

11、MmdDaonEnty3VChin白仃snEiin艇atSanhHfespuiw*CF，h田Mn<Hist*1andhriitMivw由MOOtlW潤而4Hix砧T剛Z2M日四kiDMF1S&如叩G32，日BD1310K白0-1癡MJ加阿出心;PTSD*M蛆3埴右l,1tc向MuD向電n工山。也噓1tJ&Ar153Mi翁1BDlireIBfnAtownsn*Y4MCT'13W21MBEI汕恥的1金加i4由MSMSAPg3?#671MOD1海嚙F岬MDUBDNoibMS8agBO1湖ISMMOD貼0。器BOtaficMSMS鹿E12而BBD137219MBOII閏山

12、1C如MtrmaMJ注DMtHMNoneMm伯18423270BMOO口陶XMMDU需BDMonoM)Mwie2«站MOD1WFBO-IIMOD髭BDMJPTSDMSADMS用,436BO113rMODMODwBDMJ加prgirwFTSDihtom#Mmif53?s/8,ftopHT?19MBD-Hm叩用anM-北附由mt.FISH即AO司1174a?BMOD本研究基于fMRI提出了針對情感障礙的機器分類算法。該算法對確診的雙相障礙患者（BD）和重度抑郁癥患者（MDD）能夠進行較好的區(qū)分（正確率高達92.4%）。同時，本研究對未確診的復(fù)雜患者也能正確分類（12名患者中11名正確分類）。結(jié)果表明本研究提出的算法對于復(fù)雜情感障礙的患者的診斷具有臨床價值。參考文獻：OsuchE,GaoS,Wamme