정신과적 증상 및 질환

THE SEOUL YOUTH CLINIC

최신연구 및 치료동향

초기 정신병과 정서적 단계에서의 임상적, 뇌 및 다단계 군집화

페이지 정보

profile_image

작성자 청년클리닉

작성일 2022-10-17 18:00 댓글 0건 조회 856회

본문

제목: Clinical, Brain, and Multilevel Clustering in Early Psychosis and Affective Stages

저널: JAMA Psychiatry 2022


중요성: 정서적 및 표준적 변이와 관련된 특이성을 조사하고 질병이 생기기 전 (병전)과 후 (종적) 및 유전적 위험성을 측정하여 해결 방안을 검증하기 위해 초기 정신병 단계에 있는 개인을 양성 증상 심각성을 넘어서 보다 더 여러 단계로 구분 (계층화)하는 접근 방식이 필요하다.


목표: 초기 정신병 및 우울증 단계의 임상 및 뇌 구조 영상 데이터를 머신 러닝이라는 기계 학습 기술에 적용시켜 하위 그룹에서 얻은 해결 방안을 군집화 (clustering), 비교 및 결합한다.


설계, 설정 및 참가자: 임상적으로 정신병 위험이 높은 환자 (CHR-P), 최근 정신병이 걸린 환자 (ROP), 최근 우울증에 걸린 환자 (ROD) 및 일반인 (HC) 데이터를 사용한 다중 사이트, 자연주의적 (가설을 세우고 예측하고 실험하고 그 과정을 여러번 반복하는 방법), 질병 이후 집단 연구(9개월 및 18개월의 주요 추적 조사 간격 포함한 5개 유럽 국가의 10개 사이트) 방법을 사용하여 임상적으로 정신병 위험이 높은 환자 (CHR-P), 최근 정신병이 걸린 환자 (ROP), 최근 우울증에 걸린 환자 (ROD) 및 일반인 (HC)을 2014년 2월 1일부터 2019년 7월 1일까지 모았다. 데이터는 2020년 1월과 2022년 1월 사이에 분석되었다.


주요 결과와 측정 방법: 데이터 군집화 분석에 사용하는 방법 중 하나인 비음수 행렬 인수분해 기술은 CHR-P, ROP, ROD 및 일반인 (HC) 그룹에서 임상 (287개 변수) 및 구분된 뇌 구조적 부피 (204개 회색질, 백색질 및 뇌척수액 영역) 데이터를 나누었다. 분석한 결과에 대한 안정성 기준은 중첩 교차 검증 (nested cross-validation)을 사용하여 군집화 수를 결정했다. 검증 목표는 하위 그룹 솔루션(질병이 생기기 전과 후 및 조현병 다중 유전자 위험 점수)에서 비교되었습니다. 기계 학습 중 하나인 다중 클래스 지도 머신 러닝 (multiclass supervised machine learning)은 검증 샘플에 대한 유연한 해결 방안을 만들었다.


결과: 탐색 그룹에는 총 749명, 검증 그룹에는 총 610명이었다. 자세한 인원 수는 287명의 CHR-P, 323명의 ROP, 285명의 ROD 및 464명의 일반인 (HC)이 포함 되었으며, 평균 연령은 25.1세 (표준편차 = 5.9)였으며, 여성은 702명 (51.7%)이었다. 임상 4차 해결 방안은 모든 검증 대상과 관련 있는 양성 증상, 음성 증상, 우울증 및 기능을 기반으로 참가자를 나누었다. 뇌 군집화를 통해 음성 증상과 관련된 뇌 부피 감소, 행동 IQ 감소, 조현병 다중 유전자 위험 점수 증가와 관련된 하위 그룹을 알아냈다. 다단계 결과는 표준적 그리고 질병과 관련된 뇌의 차이를 구분한다. 하위 그룹 결과는 외부 샘플에서 크게 검증되었다.


결론과 관련성: 이 추적 집단 연구의 결과는 질병 단계 및 진단에 걸친 양성 증상의 표현을 넘어선 계층화를 제공한다. 임상 결과는 음성 증상, 우울증 및 기능의 중요성을 보여준다. 뇌 결과는 질병 단계와 표준적 변이 전반에 걸쳐 상당히 겹쳐 있음을 보여 주며, 이는 특정 위치에서부터의 독립적인 취약성을 강조할 수 있다. 병전, 종적 및 유전적 위험성 검증은 예방 치료에 대한 하위 그룹의 임상적 중요성을 암시했다.

댓글목록

등록된 댓글이 없습니다.