编辑推荐：
精神分裂症（SZ）和双相情感障碍（BD）因症状和遗传因素重叠易误诊。研究人员开展了基于多尺度模糊熵（MFE）和相对功率（RP）分析鉴别 SZ 和 BD 的研究。结果显示该方法分类准确率达 78.94%，有助于提高精神疾病诊断精度。
在精神健康领域，精神分裂症（Schizophrenia，SZ）和双相情感障碍（Bipolar Disorder，BD）就像两座难以区分的 “迷雾之山”。它们有着相似的临床症状，比如都可能出现幻觉、情绪波动等；在大脑特征方面，都存在神经功能的异常；遗传因素上也有重叠，使得医生在诊断时常常面临误诊的困境。这不仅会让患者接受不恰当的治疗，还会增加社会和个人的医疗负担。因此，寻找一种准确区分 SZ 和 BD 的方法迫在眉睫。
来自韩国汉阳大学、仁济大学等机构的研究人员，决心攻克这一难题。他们开展了一项极具意义的研究，旨在通过多尺度模糊熵（Multiscale Fuzzy Entropy，MFE）和相对功率（Relative Power，RP）分析，从静息态脑电图（Electroencephalography，EEG）数据中挖掘出能鉴别 SZ 和 BD 的生物标志物，并借助机器学习评估其诊断价值。该研究成果发表在《Translational Psychiatry》杂志上。
研究人员在开展此项研究时，主要运用了以下关键技术方法：首先，从仁济大学一山白医院数据库中回顾性选取 114 名参与者，包括 65 名 SZ 患者和 49 名 BD 患者 。然后，使用 NeuroScan SynAmps 放大器采集参与者闭眼 4 分钟的静息态 EEG 数据。接着，对 EEG 数据进行一系列预处理，包括基线校正、去除伪迹等。之后，分别计算 MFE 和 RP，MFE 分析通过多个步骤评估 EEG 时间序列复杂性，RP 分析则用于确定 EEG 信号在特定频率带的功率分布。最后，运用独立 t 检验、Welch’s 独立 t 检验、协方差分析（ANCOVA）等统计方法分析数据，采用留一法交叉验证（LOOCV）和支持向量机（SVM）进行特征选择和分类。
下面来看具体的研究结果：
- 人口统计学和临床特征：通过分析发现，SZ 和 BD 患者在年龄、性别、教育程度和疾病持续时间（DOI）方面没有显著差异，但药物剂量存在差异。
- EEG 特征分析：在初始分析中，SZ 患者在右额叶、左中央和双侧顶叶区域的 theta 尺度模糊熵（FuzzyEn）值显著高于 BD 患者；在右顶叶区域，alpha 尺度 FuzzyEn 值更高；在双侧额叶、中央和右顶叶区域，theta 相对功率（RP）值显著增加 。在控制药物剂量进行 ANCOVA 分析后，进一步确认并发现了更多显著差异。
- 临床症状与 EEG 特征的相关性分析：在控制药物剂量和 DOI 的偏相关分析中，未发现有统计学意义的 EEG 特征（区域带尺度 FuzzyEn 和 RP）与临床严重程度评分（SZ 组的阳性和阴性综合征量表 PANSS 子量表；BD 组的杨氏躁狂评定量表 YMRS）之间存在显著相关性。
- 基于机器学习的诊断分类：仅基于 EEG 特征进行分类，SVM 分类器的准确率达到 78.94%，灵敏度为 81.53%，特异性为 75.51%，Cohen’s kappa 系数为 0.57 。纳入药物剂量作为潜在特征的 SVM 分析表现相似，且 12 个选定特征中有 11 个与初始分析一致。
在研究结论和讨论部分，研究人员发现，SZ 患者在几乎所有脑区的 theta 尺度 FuzzyEn 和 theta RP 值都显著高于 BD 患者，即使在控制药物影响后，这些差异依然存在，这突出了 theta 波段改变在区分 SZ 和 BD 中的关键作用。研究还发现，区域带尺度 FuzzyEn 和区域 RP 值，主要是 theta 频段，是区分 SZ 和 BD 组最有效的特征。这些差异可能与多巴胺能调节异常有关，SZ 患者多巴胺功能亢进，而 BD 患者多巴胺活动波动，这或许可以解释两组在低频 EEG 活动上的差异。
该研究具有重要意义，它首次综合运用线性和非线性分析直接比较 SZ 和 BD，为这两种疾病的神经生理差异提供了新见解。研究结果支持了基于 EEG 的生物标志物在临床鉴别诊断中的潜在应用，有望提高精神疾病的诊断精度，为后续的精准治疗打下坚实基础。不过，研究也存在一定局限性，如未纳入未用药患者、样本量可进一步扩大、缺乏纵向研究等，未来的研究可以针对这些方面进行完善和拓展。
