第14届国际精神药理学大会暨国际儿童青少年精神药理学研讨会（ICP 2023）将于2023年10月22-25日在土耳其安塔利亚举行。在为期四天的大会上，来自全球各地的精神病学及精神药理学研究人员提供了精神药理学以及其他临床实践领域的最新信息和最新的突出突破，并以互动的方式分享治疗耐药病例的最新趋势，为临床医生面临的当代挑战提供切实可行的解决方案，同时回顾基础科学、生物精神病学、神经科学和精神科神经影像学的最新发展。此外，研究人员通过对诊断方法、心理疗法和其他非药物疗法及其管理标准和指南的全面讨论，以最新的临床研究为支撑，为精神病治疗的综合方法做出贡献。

早发性双相情感障碍(EBD)和早发性精神分裂症(EOS)是一种复杂的异质性精神障碍，以18岁前发病为特征。精神分裂症和双相情感障碍是具有共同遗传因素、发育异常、神经影像学发现、认知障碍和临床表现的精神障碍，表明这两种疾病之间存在相当大的重叠。准确鉴别EBD和EOS对于正确的治疗选择和长期预后至关重要。

在最近的一项大样本量研究中，精神分裂症组报告的左右海马CA2/3、左右CA4、左右齿状回分子层颗粒细胞(GC-ML-DG)和右侧ML体积明显小于双相情感障碍组和健康对照组。与健康对照相比，精神分裂症和双相情感障碍患者许多脑区体积均减少。在最近的一项包含儿童和青少年精神病学文献的荟萃分析中，与健康对照组相比，早发性精神病患者的海马体积显着减少。相反，一项规模较小的研究报告称，EOS患者和健康对照者之间的海马体积没有显著差异。

机器学习算法的最新进展促进了预测模型的发展，这些模型可以分析神经成像数据并帮助诊断决策。为此，在ICP2023大会上，来自土耳其的学者希望通过整合神经成像数据、先进的机器学习技术和可解释性方法，提供一个全面的分析，以帮助这些具有挑战性的精神疾病的鉴别诊断。

该研究包括81名被诊断为EOS的个体和63名符合早发双相型障碍(BD-I)诊断标准的个体。EOS和BD-I的诊断采用《儿童情感障碍和精神分裂症现行和终生版》。临床症状严重程度采用BD-I患者的Young躁狂评定量表和精神分裂症患者的阳性和阴性症状评定量表进行评估。参与者的MRI扫描使用西门子AERA 1.5 T(德国埃尔兰根)扫描仪，配有专用的8通道头部线圈。成像方案由高分辨率t1加权磁化制备快速采集梯度回波(MPRAGE)序列组成。解剖MRI图像采集过程的总持续时间约为4.5分钟。

Python 3.9与NumPy和Sklearn库一起用于进行特征选择和构建机器学习模型。根据比例法，采用10倍交叉验证的Pearson相关和Elastic Net回归进行特征选择，以避免共线性，减少选择过程中高度相关的特征和维度。使用支持向量机(SVM)线性和神经网络(NN)、极端梯度增强(XGBoost)和随机森林(RF)算法构建机器学习模型。通过计算各种指标来衡量预测性能，包括曲线下面积(AUC)、准确性、敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和F1评分。

图2为训练集和测试集的矩阵和受试者工作特性曲线。

结果显示，研究样本的平均年龄为16.1±1.5岁，其中37.8%为女性。全样本氯丙嗪平均当量剂量为611.8±497.4 mg/d。随后，使用弹性网络回归的机器学习模型的性能，共识别了3个海马子脑区体积分数(右侧GC-ML-DG头部，右侧GC-ML-DG体部和左侧下背头部)，以区分EOS和EBD参与者。SVM分类器在训练集和测试集上都表现出最好的性能。测试集的AUC、准确度、灵敏度、特异性、PPV、NPV、F1评分分别为90.6% (95% [CI]: 0.73 ~ 0.93)、93.1%、84.6%、96.7%、91.6%、93.7%、88%。由此可见，该模型利用SVM -径向分类器，结合弹性网络回归算法选择的三个海马子脑区体积，在测试集组中显示出90.6%的AUC值，具有较高的诊断特性。

综上，这项研究的结果支持了这样一种观点，即利用海马子区体积来区分EOS和EBD可能有很好的价值。因此，海马亚区体积可能在提高未来诊断准确性方面发挥重要作用。

 

参考文献:

Diagnostic Utility of Hippocampal Subfield Volumes in Distinguishing Early-Onset Bipolar Disorder from EarlyOnset Schizophrenia: A Neuroimaging Study with Explainable Machine Learning Algorithms. https://www.psychopharmacology2023.org/?