近期研究發(fā)現(xiàn)，重性精神疾病，包括精神分裂癥和情感障礙，在首次發(fā)作后病情逐步加重，而重復多次發(fā)作會引起大腦不可逆的變化。因此盡早對病人明確診斷、并進行有效的治療，將減少發(fā)作、緩解病情加重的趨勢，臨床意義重大。

近二十年來，核磁共振成像（MRI）技術的快速發(fā)展，為找到精神分裂癥的生物學指標提供了獨特的機會。同時運用先進的機器學習技術，研究者們已經能對精神分裂癥進行更加客觀的診斷。然而與慢性病人相比，在病程早期就能對患者做出明確診斷，仍然面臨很多的挑戰(zhàn)。研究也發(fā)現(xiàn)，抗精神病藥物治療能使精神分裂癥患者的大腦出現(xiàn)變化。因此，在精神分裂癥患者首次發(fā)作、沒有藥物治療的情況下，采用無侵害性的腦成像技術作為生物學指標，對患者做出診斷，尤其是對抗精神病藥物的療效在病程早期就能進行預測，具有重要的臨床意義，但至今這方面的研究仍然很少。目前首發(fā)精神分裂癥的精準醫(yī)學主要包括兩個方面：一是對每個病人明確診斷，二是預測每個病人的療效。

中國科學院心理研究所心理健康重點實驗室張向陽研究組分析顳上皮層和其它皮層區(qū)域之間的功能連接，并采用機器學習算法，成功地對首發(fā)精神分裂癥進行了個體化診斷，并預測抗精神病對每個病人的療效。研究中，研究者采用了一種新的方法——交互信息(mutualinformation)和相關性方法計算出顳上皮層和其它皮層區(qū)域之間的功能連接，同時通過靜息態(tài)功能核磁(rs-fMRI)檢測顳上皮層與其它皮層區(qū)之間的血氧水平依賴（BOLD）信號，分析它們之間的相關性。

研究納入38例首發(fā)、未服藥的精神分裂癥住院患者，平均年齡28.3±10.1歲，同時納入29例健康對照組，平均年齡27.7±7.8歲。采用結構化臨床評估（SCID）確定精神分裂癥的診斷，所有病人采用固定劑量的單一利培酮治療10周，劑量在第一周增加到3-6克/日，然后保持固定劑量至研究結束。采用PANSS量表在治療前后評定臨床癥狀。

研究采用GE公司的3TMRI機器，對被試者進行結構掃描和靜息態(tài)功能核磁掃描，用FreeSurfer軟件分析皮層重建、功能成像，采用DestrieuxAtlas提取每個腦區(qū)BOLD平均時間序列。共有68個腦區(qū)，互信息(MI)以及每對皮層間的區(qū)域時間序列BOLD信號的zero-lag相關，采用MATLAB工具包，以計算功能連接。另外采用MATLAB進行統(tǒng)計分析，對每對皮層區(qū)間的互信息和關聯(lián)，應用t-檢驗比較病人組與對照組之間的差異，并應用錯誤發(fā)現(xiàn)率（falsediscoveryrate，F(xiàn)DR)校正多次比較。進一步采用皮爾森相關分析檢測互信息和皮層間的關聯(lián)與PANSS評分之間的相關性。

通過對不同皮層區(qū)相互配對的信號分析互信息，共檢測了2278個連接，發(fā)現(xiàn)病人的互信息普遍降低，然而只有8個連接通過FDR驗證，仍保持顯著性(圖1)。有意思的是，顳上皮層和背側前額葉、扣帶、顳葉及頂葉皮質區(qū)的互信息與PANSS陽性癥狀和幻覺相關，但這些顯著性沒有通過FDR多重驗證。

因為研究發(fā)現(xiàn)在8個低MI的連接中，有7個連接與顳上皮層相關，研究者進一步檢測是否能通過這個互信息，確定單個病人的診斷。研究采用顳上皮層與其它皮層區(qū)之間的互信息作為輸入參數(shù)，進入稱為“支持向量機”（SVM）的機器學習算法，執(zhí)行SVM分類，采用讓一個出去(leave-one-out)的相互驗證方法預測一個未曾謀面的人是否患有精神分裂癥。研究模型能準確地確定一個患者是否是精神分裂癥，準確度77.8%，靈敏度74.4%，特異度82.8%(Table1A)。

在利培酮治療10周后，研究者進一步隨訪病人。PANSS總分和三個分量表評分均顯著性降低。以PANSS總分降低30%為好轉標準，同時以皮層間功能連接的相關性組成回歸模型，結果發(fā)現(xiàn)回歸模型能預測PANSS總分降低的百分比（r=0.69；p<0.0001）。依據(jù)這個預測性的PANSS百分比降低，能預測88.0%的治療好轉病人，和76.9%的無效病人(平衡精確度82.5%)(Table1B)。

研究發(fā)現(xiàn)首發(fā)、未服藥精神分裂癥病人的顳上葉皮層功能連接異常降低。采用支持向量機方法把發(fā)自STC的功能連接輸入到機器學習算法，成功地確定了每個精神分裂癥病人的診斷，并預測對抗精神病的治療效果。這是國際上首次利用來源于靜息態(tài)功能MRI的功能連接資料，同時確定精神分裂癥的診斷和預測抗精神病藥治療病人的療效的研究。

該研究受國家自然科學基金項目資助。論文已在線發(fā)表于MolecularPsychiatry。