利用英国生物样本库的多模态机器学习预测主要精神疾病与认知能力下降之间的双向关系
项目编号：826232
最新更新：2025年8月21日
项目状态：进行中
首席研究员：涂理慧博士
主持机构：日本理化学研究所
1. 研究问题与目标
• 路径A：基础认知表现（反应速度、流体智力、数字记忆及前瞻性记忆）每下降1个标准差，对预测未来十年首次诊断三大精神疾病（MDD/BD/SCZ）的风险比如何？
• 目标1：通过Cox模型计算复合认知z评分的风险比，并评估新增认知指标对基础人口学和生活方式变量模型的AUC提升值
• 路径B：已确诊精神疾病患者中，哪些诊断期临床特征、遗传标志（多基因风险评分）、生活方式及影像学参数最能预测后续认知衰退（临床痴呆编码或测试分数下降≥1标准差）？
• 目标2：采用事件时间模型和监督学习方法，系统评估临床、遗传、生活方式和影像数据对认知衰退的预测效能
2. 对比与亚组分析
• 通过多状态生存模型和多类梯度提升模型，识别"未受影响者"、"单纯精神障碍"、"单纯认知障碍"及"共病"四类人群的特征
• 采用基于SHAP值的特征重要性分析，揭示各疾病间的共享与特异性预测因子
3. 科学依据与研究灵活性
• 流行病学证据显示情绪/精神病性障碍与痴呆存在关联，中年认知缺陷可预测后续精神症状
• 研究将同时建模双向关系以揭示预警标志物及风险因素
• 基础方法包括Cox模型、XGBoost、多状态模型和SHAP分析，将根据中期结果或UKB数据更新调整阈值或纳入蛋白质组学等新数据
【全文结束】
