文献

J-GLOBAL ID：202202267393534565   整理番号：22A0749732

磁気共鳴画像および多遺伝子リスクスコアによる統合失調症における治療反応の予測【JST・京大機械翻訳】

Predicting Treatment Response in Schizophrenia With Magnetic Resonance Imaging and Polygenic Risk Score

著者 (18件)： Wang Meng (1Brainnetome Center and National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Wang Meng (2School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Hu Ke (1Brainnetome Center and National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Hu Ke (2School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Fan Lingzhong (1Brainnetome Center and National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Fan Lingzhong (2School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Fan Lingzhong (3Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, China) ,  Yan Hao (4Peking University Sixth Hospital/Institute of Mental Health, Beijing, China) ,  Yan Hao (5Key Laboratory of Mental Health, Ministry of Health (Peking University), Beijing, China) ,  Li Peng (4Peking University Sixth Hospital/Institute of Mental Health, Beijing, China) ,  Li Peng (5Key Laboratory of Mental Health, Ministry of Health (Peking University), Beijing, China) ,  Jiang Tianzi (1Brainnetome Center and National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Jiang Tianzi (2School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Jiang Tianzi (3Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, China) ,  Jiang Tianzi (6Key Laboratory for NeuroInformation of Ministry of Education, School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Jiang Tianzi (7Innovation Academy for Artificial Intelligence, Chinese Academy of Sciences, Beijing, China) ,  Liu Bing (8State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, Beijing, China) ,  Liu Bing (9Chinese Institute for Brain Research, Beijing, China)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 13  ページ： 848205  発行年： 2022年 
JST資料番号： U7071A  ISSN： 1664-8021  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:以前の研究は,磁気共鳴映像法(MRI)と統合失調症多遺伝子リスクスコア(PRS)が統合失調症における抗精神病薬治療転帰の予測であることを個別に示した。しかし,PRSと組み合わせたMRIが,優れた予後性能を提供できるかどうかは不明である。さらに,予測におけるこれらの手段の相対的重要性は調査されていない。方法:統合失調症患者57名を収集し,その全てはベースラインMRIおよび遺伝子型データを有した。これらの患者すべては,抗精神病薬治療の約6週間を受けた。精神症状の重症度は,ベースラインおよび追跡調査で陽性および陰性症候群尺度(PANSS)を用いて評価した。これらの患者を,PANSS総減少のパーセンテージが50%以上またはそれ以下であるかどうかに基づいて,これらの患者を応答者(N=20)または非応答者(N=37)に分けた。MRI測定の9つのカテゴリーと145の異なるp値閾値を有するPRSを計算した。著者らは,患者が応答者または非応答者であるかどうかを同定するために,これらのベースライン予測子を用いて機械学習分類器を訓練した。結果:極端な勾配ブースティング(XGBoost)技術を適用して,バイナリ分類器を構築した。leave-one-out交差検証法を用いて,すべてのMRIとPRSの特徴で86%の精度を達成した。感度(85%),特異性(86%),F1スコア(81%)および受信者動作特性曲線下面積(0.86)を含む他の計量も推定した。灰白質体積(GMV)の単一特徴カテゴリー,低周波変動(ALFF)の振幅,および表面曲率が10.5%の最大精度低下をもたらすことを見出した。これらの3つのカテゴリーは,トップ10の重要な特徴の半分以上に寄与した。さらに,PRS特徴の除去は,中程度の精度低下(8.8%)を引き起こし,すべての特徴カテゴリーの中で最小減少(1.8%)ではなかった。結論:MRIとPRS特徴の両方を用いた著者らの分類器は安定しており,応答者または非応答者のいずれかの予測に偏らなかった。MRI測定と組み合わせて,PRSは統合失調症における抗精神病薬治療転帰の特定の余分の予測力を提供することができた。PRSは,GMV,ALFF,および表面曲率よりも予測において中程度の重要性を示したが,皮質厚,皮質容積,および表面溝深さの測定値より高かった。本知見は統合失調症における治療転帰の予測におけるPRSの寄与を知っている。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： *遺伝子 ,  遺伝子型 ,  灰白質 ,  *統合失調症 ,  皮質 ,  LF【周波数】 ,  精神症状 ,  *治療法 ,  予後 ,  *NMRイメージング ,  機械学習
準シソーラス用語： 予測子 ,  *治療反応性 ,  *リスクスコア ,  重症度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 統合失調症 ,  治療予測 ,  XGBoost ,  多遺伝子リスクスコア ,  磁気共鳴イメージング

分類 (2件)： 向精神薬の臨床への応用  (GW03110J) ,  精神障害の薬物療法  (GR04020D)

引用文献 (56件)：

• AshburnerJ. (2007). A Fast Diffeomorphic Image Registration Algorithm. NeuroImage 38, 95-113. doi: 10.1016/j.neuroimage.2007.07.007
• CaoB., ChoR. Y., ChenD., XiuM., WangL., SoaresJ. C., et al (2020). Treatment Response Prediction and Individualized Identification of First-Episode Drug-Naïve Schizophrenia Using Brain Functional Connectivity. Mol. Psychiatry 25, 906-913. doi: 10.1038/s41380-018-0106-5
• CarbonM., CorrellC. U. (2014). Clinical Predictors of Therapeutic Response to Antipsychotics in Schizophrenia. Dialogues Clin. Neurosci. 16, 505-524. doi: 10.31887/dcns.2014.16.4/mcarbon
• ChenT., GuestrinC. (2016). “"XGBoost: A Scalable Tree Boosting System,"” in Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (San Francisco California USA: ACM), 785-794. doi: 10.1145/2939672.2939785
• ChoiS. W., MakT. S.-H., O’ReillyP. F. (2020). Tutorial: a Guide to Performing Polygenic Risk Score Analyses. Nat. Protoc. 15, 2759-2772. doi: 10.1038/s41596-020-0353-1

タイトルに関連する用語 (5件)： 磁気共鳴画像 ,  多遺伝子リスクスコア ,  統合失調症 ,  治療反応 ,  予測