文献

J-GLOBAL ID：202202232403530889   整理番号：22A1176807

神経認知と電気生理学的特徴の組合せによる健常対照からの統合失調症患者の検出【JST・京大機械翻訳】

Detection of Schizophrenia Cases From Healthy Controls With Combination of Neurocognitive and Electrophysiological Features

著者 (16件)： Tian Qing (Laboratory of Brain Disorders, Collaborative Innovation Center for Brain Disorders, Beijing Institute of Brain Disorders, Capital Medical University, Ministry of Science and Technology, Beijing, China) ,  Tian Qing (Suzhou Guangji Hospital, The Affiliated Guangji Hospital of Soochow University, The Institute of Mental Health, Suzhou, China) ,  Tian Qing (Beijing Key Laboratory of Mental Disorders, The National Clinical Research Center for Mental Disorders, Beijing Anding Hospital, Beijing Institute for Brain Disorders Center of Schizophrenia, Capital Medical University, Beijing, China) ,  Yang Ning-Bo (Department of Psychiatry, First Affiliated Hospital of Henan University of Science and Technology, Luoyang, China) ,  Fan Yu (Suzhou Guangji Hospital, The Affiliated Guangji Hospital of Soochow University, The Institute of Mental Health, Suzhou, China) ,  Fan Yu (Beijing Key Laboratory of Mental Disorders, The National Clinical Research Center for Mental Disorders, Beijing Anding Hospital, Beijing Institute for Brain Disorders Center of Schizophrenia, Capital Medical University, Beijing, China) ,  Dong Fang (Beijing Key Laboratory of Mental Disorders, The National Clinical Research Center for Mental Disorders, Beijing Anding Hospital, Beijing Institute for Brain Disorders Center of Schizophrenia, Capital Medical University, Beijing, China) ,  Bo Qi-Jing (Beijing Key Laboratory of Mental Disorders, The National Clinical Research Center for Mental Disorders, Beijing Anding Hospital, Beijing Institute for Brain Disorders Center of Schizophrenia, Capital Medical University, Beijing, China) ,  Zhou Fu-Chun (Beijing Key Laboratory of Mental Disorders, The National Clinical Research Center for Mental Disorders, Beijing Anding Hospital, Beijing Institute for Brain Disorders Center of Schizophrenia, Capital Medical University, Beijing, China) ,  Zhang Ji-Cong (Beijing Advanced Innovation Centre for Biomedical Engineering, Beijing Advanced Innovation Center for Big Data-Based Precision Medicine, The School of Biological Science and Medical Engineering, Beihang University, Beijing, China) ,  Li Liang (Department of Psychology, Peking University, Beijing, China) ,  Yin Guang-Zhong (Suzhou Guangji Hospital, The Affiliated Guangji Hospital of Soochow University, The Institute of Mental Health, Suzhou, China) ,  Wang Chuan-Yue (Beijing Key Laboratory of Mental Disorders, The National Clinical Research Center for Mental Disorders, Beijing Anding Hospital, Beijing Institute for Brain Disorders Center of Schizophrenia, Capital Medical University, Beijing, China) ,  Wang Chuan-Yue (Advanced Innovation Center for Human Brain Protection, Capital Medical University, Beijing, China) ,  Fan Ming (Laboratory of Brain Disorders, Collaborative Innovation Center for Brain Disorders, Beijing Institute of Brain Disorders, Capital Medical University, Ministry of Science and Technology, Beijing, China) ,  Fan Ming (Institute of Military Cognition and Brain Sciences, Academy of Military Medical Sciences, Beijing, China)
資料名： Frontiers in Psychiatry (Web)  (Frontiers in Psychiatry (Web))
巻： 13  ページ： 810362  発行年： 2022年 
JST資料番号： U7095A  ISSN： 1664-0640  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:健常人からの統合失調症患者を同定するためのバイオマーカーを利用する方法の探索は,数十年間,研究者を占有している。しかし,単一インジケーターは,臨床診療において良い達成に採用できない。健常人から統合失調症患者を識別するための神経認知と電気生理学的複合特徴に基づく包括的機械学習パイプラインを開発することを目的とした。方法:本研究では,統合失調症患者69例と健常対照者50例を対象とした。神経認知(認知の7つの特異的ドメイン)と電気生理学的[プレパルス抑制,脳波(EEG)パワースペクトル,トレンド除去変動解析,およびフラクタル次元(FD)]特徴を収集し,これらすべての特徴を,ロジスティックス,ランダムフォレスト,および極端な勾配ブースティングアルゴリズムを適用することによって,統合失調症の同定モデルを生成するために一緒に取り入れた。これらのモデルの分類能力も評価した。結果:神経認知および電気生理学的特徴セットは,85%以上の最高の精度および90%以上のAUCで良好な分類効果を示した。特に,複合神経認知と電気生理学的特徴集合の性能は93.28%の最も高い精度と97.91%のAUCを達成した。全体として,極端な勾配ブースティングアルゴリズムは,分類効率においてより安定かつ正確に提示された。結論:神経認知と電気生理学的特徴の組み合わせによる93.28%の最も高い分類精度は,両測定が統合失調症患者と健常者を識別するのに用いる適切な指標であることを示した。また,3つのアルゴリズムの間で,極端な勾配ブースティングは,ロジスティックスとランダムフォレストアルゴリズムより良い分類性能を持った。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  脳波 ,  ロジスティックス ,  *統合失調症 ,  認識 ,  神経生理 ,  臨床医学 ,  パワースペクトル ,  フラクタル次元 ,  指標 ,  バイオマーカー ,  機械学習
準シソーラス用語： ブースティング ,  プレパルス抑制 ,  健常者 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (8件)： 統合失調症 ,  神経認知 ,  電気生理学 ,  脳波検査 ,  プレパルス抑制(PPI) ,  バイオマーカー ,  機械学習 ,  分類

分類 (2件)： 精神障害  (GR03000A) ,  精神障害の診断  (GR02000T)

引用文献 (43件)：

• Vos T, Abajobir AA, Abate KH, Abbafati C, Abbas KM, Abd-Allah F, et al Global, regional, and national incidence, prevalence, and years lived with disability for 328 diseases and injuries for 195 countries, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet. (2017) 390:1211-59.
• Bowie CR, Reichenberg A, Patterson TL, Heaton RK, Harvey PD. Determinants of real-world functional performance in schizophrenia subjects: correlations with cognition, functional capacity, and symptoms. Am J Psychiatry. (2006) 163:418-25. doi: 10.1176/appi.ajp.163.3.418
• Green MF, Kern RS, Braff DL, Mintz J. Neurocognitive deficits and functional outcome in schizophrenia: are we measuring the “right stuff”? Schizophrenia Bull. (2000) 26:119-36. doi: 10.1176/appi.ajp.163.3.418
• Galderisi S, Rossi A, Rocca P, Bertolino A, Mucci A, Bucci P, et al The influence of illness-related variables, personal resources and context-related factors on real-life functioning of people with schizophrenia. World Psychiatry. (2014) 13:275-87. doi: 10.1176/appi.ajp.163.3.418
• Galderisi S, Rossi A, Rocca P, Bertolino A, Mucci A, Bucci P, et al Pathways to functional outcome in subjects with schizophrenia living in the community and their unaffected first-degree relatives. Schizophr Res. (2016) 175:154-60. doi: 10.1176/appi.ajp.163.3.418

タイトルに関連する用語 (6件)： 神経 ,  認知 ,  電気生理学 ,  組合せ ,  対照 ,  統合失調症患者