多特征融合 RFE 随机森林：助力精神分裂症精准诊疗的新突破

研究人员开发多特征融合 RFE 随机森林方法用于精神分裂症（SZ）分类和治疗反应预测，发现相关神经影像学生物标志物，意义重大。

　　精神分裂症，一个如幽灵般困扰着人类健康的严重慢性精神疾病，常悄然在青春期或成年早期现身。它的出现，带来了诸如幻觉、妄想等阳性症状，情感淡漠、思维贫乏等阴性症状，还有各类精神病理症状，严重破坏患者的生活和社会功能。目前，在精神分裂症的诊疗过程中，存在诸多难题。一方面，临床诊断缺乏特异性的生物标志物，误诊风险较高；另一方面，对于治疗效果的预测也缺乏精准有效的手段，难以实现个性化治疗。为了解开这些谜团，推动精神分裂症诊疗的进步，新乡医学院的研究人员开展了一项意义非凡的研究。

研究人员另辟蹊径，开发了一种多特征融合递归特征消除随机森林（RFE - RF）的创新方法，用于精神分裂症的分类和治疗反应预测。该研究成果发表在《Scientific Reports》上，为精神分裂症的研究和治疗开辟了新的方向。

在研究过程中，研究人员运用了多种关键技术方法。首先，从新乡医学院第二附属医院收集了 104 例精神分裂症患者和附近社区的 86 例健康对照者（HC）作为样本队列。接着，使用 3.0T MR 扫描仪获取静息态功能磁共振成像（rs - fMRI）数据，并利用 Data Processing Assistant for Resting - State fMRI（DPABI）对数据进行预处理，去除干扰因素。然后，基于标准化自动解剖标记（AAL）图谱将全脑划分为 116 个区域，计算区域同质性（ReHo）、低频振幅分数（fALFF）和功能连接（FC）这三种关键特征，并进行 Z - Score 标准化处理。最后，运用递归特征消除（RFE）和随机森林（RF）算法进行数据分析，构建分类和预测模型。

下面来看看具体的研究结果：

• 受试者特征：经过严格筛选，最终 88 例 SZ 患者和 81 例 HC 纳入研究。结果显示，SZ 患者和 HC 在年龄、性别上无显著差异，但受教育年限差异显著。经过 8 周治疗，SZ 患者的阳性和阴性症状量表（PANSS）总分、阴性症状得分和阳性症状得分相较于基线均有显著改善。
• 多特征统计差异：研究人员构建了多特征向量，经分析发现，有 693 个 FC 特征、4 个 ReHo 特征和 3 个 fALFF 特征存在统计学差异。在 FC 差异显著的前十个脑区中，有八个属于视觉网络；ReHo 差异显著的脑区包括左颞下回、楔前叶和右顶下边缘角回；fALFF 差异显著的脑区有右眶额回（眶部）、右豆状核（壳核）和左尾状核。
• 分类结果：利用 RFE - RF 进行特征选择，确定了 181 个最佳分类特征。训练结果显示，准确率达 98.2%，敏感度为 97.7%，特异性为 98.8%；在 SZ 分类任务中，最佳分类结果的准确率为 91.7%，敏感度为 90.9%，特异性为 92.6%，且误报率和漏报率均有所下降。此外，研究还发现，视觉和默认模式网络内的多个脑区在 SZ 分类中具有重要作用。
• 治疗反应预测结果：研究明确了预测 PANSS 总分、阴性症状得分和阳性症状得分降低率（RR）的最佳特征数量。预测阳性症状 RR 的最佳特征组合中，左楔前叶的 ReHo 具有独特作用。用最佳特征预测治疗反应，预测的 RR 值与实际值呈正相关。
• 治疗反应预测的生物标志物：预测 PANSS 阴性症状 RR 的最佳特征主要涉及视觉网络、传感器运动网络和默认模式网络中的右额上回；预测 PANSS 阳性症状 RR 的最佳特征主要涉及默认模式网络和视觉网络。

研究结论和讨论部分指出，该研究成功利用 SZ 患者默认模式网络和视觉网络的异常脑特征区分 SZ 和 HC，并预测了患者的短期治疗反应，确定了与 SZ 治疗相关的神经影像学生物标志物。这些生物标志物在经过临床验证后，有望为 SZ 的精准诊断和靶向治疗提供有力支持。同时，研究也存在一定局限性，如样本量有待增加、仅依赖 rs - fMRI 数据、未充分考虑人口统计学因素等。后续研究可针对这些不足进行改进，进一步推动精神分裂症诊疗领域的发展。

总之，这项研究为精神分裂症的诊疗带来了新的曙光，其成果为未来的研究和临床实践提供了宝贵的参考，有望在精神分裂症的个性化治疗方面发挥重要作用，帮助更多患者摆脱疾病的困扰。