五个明确定义的子组可能导致精神上更好的疗法

由LMU的Nikolaos Koutsoulis带领的精神科医生使用了一种基于计算机的方法来将诊断为双极或精神分裂症患者的精神病患者分配到五种不同的子组。该方法可能导致精神上更好的疗法。

能够在精神科医生认可的各种类型的精神上歧视的诊断方法仍然不足。到目前为止，医生已经分配了精神病患者两个广泛的班级之一 -躁郁症或精神分裂症 - 基本上呈症状基础，重点关注其精神病史的共同要素，展示的症状范围和疾病进展的整体模式。该分类仍然是临床实践和精神病学研究的基本特征，尽管详细观察表明精神病疾病和潜在的遗传危险因素，比传统的诊断二分法都表明更加异质。现在由LMU精神科医生Nikolaos Koutsoulis领导的研究人员对1223名患者的样本进行了纵向队列研究，在18个月内。获得的结果使团队将患者分成五个定义的亚组，从而为精神病的病理提供了更分化的图片，这对治疗干预有影响。

纳入研究的1223名患者中有756名患者的数据被用于建立新的分类方案，然后对剩下的参与者子集进行独立验证。根据对188个临床变量的评估，所有1223名患者均被诊断为经典精神病，这些变量与个体的病情、症状、应对日常生活挑战的能力(“功能”)和认知表现有关。该研究旨在确定他们的高维临床数据集是否可以根据统计相关变量的聚类分解成定义的亚组。采用的数据驱动分析策略基于机器学习，它可以发现揭示大量多因素数据中“隐藏结构”的模式。这些模式反过来可能指向具有诊断相关性的因果关系的差异。“我们的研究表明，基于计算机的分析确实可以帮助我们重新评估如何鉴别已证实有精神病症状的人，”LMU心理学家多米尼克·德怀尔(Dominic Dwyer)说，他是该研究的第一作者，该研究发表在该杂志上贾马精神病学。

分析最终导致在实验人群中识别出五个明确定义的亚组。这项研究的负责人尼古劳斯·库索莱里斯(Nikolaos Koutsouleris)说:“除了症状和功能过程的差异外，被分配到不同亚组的患者还可以根据定义的临床指纹进行区分。”其中一个亚组的成员也根据他们的教育程度得分较低而与其他成员区别开来，这被认为是精神病的潜在危险因素。

研究人员使用了一种被称为非负矩阵分解的数学方法来检测统计数据中的模式。通过这个过程，他们能够将由188个变量组成的初始数据集缩减为由核心因素定义的5个子组。这些因素编码了变量之间迄今尚未被认识到的关系，并揭示了它们之间的功能联系。德怀尔解释说:“通过评估这些因素在个别病例中的相对重要性，就有可能根据患者的总体得分将他们划分为不同的组。”通过这种方式，该研究的作者能够定义以下5个精神病亚组:情感性精神病、自杀性精神病、抑郁性精神病、高功能精神病和严重精神病。

“这些亚组中的每一个都可以在临床数据的基础上清楚地分隔所有其他亚组，”Koutsouleris说。例如，分配给第5组的患者的特点是核心因素：精神分裂症诊断，显着降低受教育程度和低的言语情报。大多数患者在此类别中是男性，并且展示了精神病的显着症状，但没有抑郁或躁狂的迹象。另一方面，在第2组中，清楚地存在自杀趋势。该实验群体分类的结果，该实验群提供了统计模型的基础数据的基础数据被证实了458名受试者的独立组。

分析表明，公正的、数据驱动的聚类可用于将个体划分为具有不同临床特征、疾病轨迹和遗传基础的群体。在未来，这种计算机辅助的分类可能通过使用在线工具整合到临床常规中。Koutsouleris和他的团队已经开发了这样一个在线工具的原型，可以用来将新个体划分为相同的群体，并预测可以测试的结果www.proniapredictors.eu。

---

---