科学家用ML证明120年前争议理论:精神分裂与痴呆症存在相似之处

2022-12-18 16:10:45

科学家用ML证明120年前争议理论:精神分裂与痴呆症存在相似之处

Alex 发自 凹非寺量子位 | 公众号 QbitAI

精神分裂症痴呆症对大脑功能的影响,竟然有许多相似之处

最近一项研究利用机器学习首次发现,41%的精神分裂症患者具有某种痴呆症的症状。

这种疾病名为变异型额颞叶痴呆(简称bvFTD,不同于老年痴呆),是痴呆症的一种,患者在早期会出现性情大变等症状。

要知道,多年以来,众多研究者都认为,精神分裂症和bvFTD截然不同。

甚至纷纷排队“打脸”现代精神病学创始人埃米尔·克雷佩林(Emil Kraepelin)……

因为克雷佩林在120年曾创立了“早发性痴呆”(dementia praecox)这个术语,大意一种额颞叶疾病,用来指代那些越来越逃避现实、陷入不可逆转的、类似痴呆症状的年轻人。

但他的表述逻辑有些难以捉摸,所以很多学者对此定义发出质疑,觉得这并不能准确地概括一类病人。

于是他们先后造出了“精神分裂症”和“变异型额颞叶痴呆”等词,来指代他们认为的不同群体。

而现在这项研究的结果则表示:克雷佩林很可能是对的,精神分裂症和bvFTD联系其实很紧密,甚至真的可以用一个术语来概括。

相关成果论文已登上了精神病学领域顶刊《美国医学会杂志-精神病学》(JAMA Psychiatry)。

论文一作,Nikolaos Koutsouleris博士(咱们就叫他NK博士吧)说:“从我成为一名精神病学家起,我就想弄清楚这个问题。”

用机器学习对比精神分裂和痴呆症

为了获取足够丰富的数据集,研究团队收集数据的时间跨度还挺大:从1996年至2019年。

数据涉及欧洲多国和澳大利亚的众多研究者的成果。

这些人中有来自伯明翰大学、墨尔本大学等高校的学者,也有来自国际前颞叶痴呆-遗传学联盟(IFGC)和心理健康中心等机构组织的研究员。

而被试人数共计达到1870名,其中有828人是患者,而其余1042人都是健康的。

(这些患者包括:bvFTD患者、中晚期阿尔茨海默症患者、轻度认知损伤或早期阿尔茨海默症患者、精神分裂症患者)

在2020年至2022年间,研究人员分析了这些收集到的数据,包括每个人大致身体情况,和他们的大脑MSI(磁共振)图等。

他们主要用的分析方式就是机器学习

研究者指出,可以将这些不同疾病的神经生物学特征封装到几个数学模型中,然后就能方便分析这些错综复杂的系统。

由于他们在本实验中主要探究的是4种患病群体,所以还用机器学习软件NeuroMiner训练生成了4个诊断分类器

此外,他们还从MRI的T1加权像中提取了大脑皮层的体积图,用更专业的话来说,叫大脑灰质体积图。

灰质是人脑的信息处理中心,能对外界的各种刺激做出反应。

然后,研究人员根据年龄把被试们的数据分组,并将健康人和这几种疾病患者的数据分别进行比较。

结果显示,bvFTD和精神分裂症特征所覆盖的大部分区域都相似。

根据bvFTD分类器,精神分裂症患者中超三分之一的同时患有bvFTD;而根据精神分裂症分类器,在bvFTD患者中,竟有85%同时也患精神分裂症。

他们还发现,这两种疾病的关联性显著高于其他疾病。

也就是说,虽然都算痴呆症,但是bvFTD和精神分裂症有更多相像的地方,而老年痴呆症则和这二者有明显的不同。

结果表明:克雷佩林很可能是对的

这些新发现,一方面在一定程度上解释了NK博士之前的困惑:

为啥同样都是精神分裂症病人,但人与人之间的治疗效果咋差距这么大啊?

此前他遇到了一位23岁的患者,不过按照现有方案治疗了2年之后,这位年轻人的认知缺陷等症状几乎没有得到丝毫改善,这在精神分裂症治疗领域不太正常。

因为目前主流观点认为,精神分裂症虽然很难完全治愈,但却是可以被改善和控制的。

而且另一位患此病的年轻人,最初情况也很糟糕,但后来几乎恢复了正常。人家甚至继续了学业,并找到了女朋友。

现在,根据数据分析结果中:“精神分裂症患者中超1/3的同时患有bvFTD”,所以那位没怎么见效的患者,很可能同时得了bvFTD,但之前没被诊断出来。

另一方面,这些结果也表示,精神病学创始人克雷佩林提出的“早发性痴呆”或许并没有什么问题。

具体而言,在19世纪末,克雷佩林创造了这个词,用来指代那些越来越逃避现实、陷入不可逆转的、类似痴呆症状的年轻人。

△克雷佩林

后来发生的事情前文也讲到了:这个说法并没得到广泛认可,专家学者们开始用“精神分裂症”来描述这些年轻患者。

还专门另外造出bvFTD这个概念,来形容难以控制自己行为的群体。

不过话说回来,研究人员在论文中也指出:

关于这两种病的具体联系,还需进一步的跨诊断调查,以确定这两种病神经解剖界面的共同病理生理过程。

另外,值得一提的是,机器学习在本研究中功不可没。

事实上,人工智能已经在助力医疗领域的多维发展,包括但不限于快速分析患者大数据、辅助医生做临床诊断等。

AI For Science正在发生。

上一篇

热门阅读