应用机器学习方法分析神经认知功能判别双相情感障碍
目的:双相情感障碍患者存在认知功能损害,但能否通过评估患者和对照的神经认知功能,在”个体水平”区别患者和对照的研究结果尚不明确.此外,是否存在区分双相情感障碍患者和对照的神经认知特征的生物学标记仍需要更多证据. 方法:该研究根据DSM-IV的诊断标准，收集183例双相情感障碍患者(83例男性和100例女性，年龄27.93±9.14岁，受教育年限13.15±3.27年)和与其年龄性别及受教育年限相匹配的对照185例(72例男性和113例女性，年龄27.50±8.08岁，受教育年限13.62±3.34年)。采用韦氏智力测验和剑桥成套认知测验评估受试者的神经认知功能。该研究共纳入51个特征，其中一般信息有3个特征，韦氏智力测验有3个特征，剑桥认知成套测验评估有45个特征。该研究的分析方法主要采用scikit-learn机器学习API中的随机森林分类器，其中所收集数据70％的样本用来训练模型，30%样本作为测试集，完成模型预测。通过网格搜索交叉验证，寻找分类器的最优参数。此外，根据在分类器模型识别过程中，特征的重要性(GiniImportance)选择tops区分双相障碍患者和对照的神经认知特征指标。 结果:通过随机森林分类算法对神经认知特征的分析，在”个体水平”对双相情感障碍患者和对照的判别准确率为75.68,F1分数为0.76，曲线下面积(ROC)为0.85。其中，tops重要特征为:大小圆测试中正确反应时(0.098)，空间工作记忆重复点击(between)错误数(0.089)，空间工作记忆错误总数(0.08),快速视觉信息处理平均反应时(0.059)，内外空间转换校正错误总数(0.056)。 结论:该研究表明双相障碍患者存在认知功能损害。通过机器学习随机森林算法，分析神经认知功能特征，可以将双相障碍患者和对照在”个体水平”相区分，同时，空间工作记忆受损、持续注意及信息处理速度的异常、转换功能的异常可能是双相情感障碍神经认知功能受损的重要生物学标记。
双相情感障碍 神经认知功能 生物学标记 机器学习
梁素改 邓伟 王强 马小红 李涛
四川大学华西医院华西心理卫生中心
国内会议
南京
中文
215-215
2016-06-30（万方平台首次上网日期，不代表论文的发表时间）