پیوند ماشین با ابعاد بیماری روانی با اختلالات شبکه های مغز مرتبط است

مطالعه جدیدی با استفاده از یادگیری ماشین، ابعاد مغز مبتنی بر اختلالات روان شناختی را پیش بینی کرده است، پیشرفت به سوی نشانگرهای مورد نیاز برای تشخیص دقیق تر و درمان بیماران می باشد. یک تیم در پزشکی Penn به رهبری Theodore D. Satterthwaite، MD، استادیار گروه روانپزشکی، ناهنجاری های شبکه های مغز را به چهار بُعد از آسیب شناسی روان شناختی تشبیه کرد: خلق و خوی، روان پریشی، ترس و رفتار بیرونی ناخوشایند. این تحقیق در این هفته در Communications Communications منتشر شده است .

در حال حاضر، روانپزشکی تنها بر اساس تصمیم گیری های بالینی به گزارشات بیمار و مشاهدات پزشک متکی است، در حالی که سایر شاخه های پزشکی نشانگرهای زیستی را برای کمک به تشخیص، تعیین پیش آگهی و انتخاب درمان برای بیماران به کار می برند. در حاليکه مطالعات قبلي با استفاده از استاندارد هاي تشخيصي باليني ، تشخيص شواهدي براي ناهنجاري هاي مغزي يافته اند، سطح بالاي تنوع در اختلالات و همساني بين اختلالات محدود شده است. اين نوع پژوهش ها مي تواند منجر به بهبود مراقبت هاي باليني شود.

Satterthwaite گفت: “روانپزشکی در پشت دارو است، زمانی که برای تشخیص بیماری می آید.” “به عنوان مثال، هنگامی که یک بیمار وارد می شود برای دیدن یک دکتر با اکثر مشکلات، علاوه بر صحبت کردن با بیمار، پزشک آزمایشات آزمایشگاهی و مطالعات تصویربرداری را برای تشخیص وضعیت خود توصیه خواهد کرد. در حال حاضر، این چیزی نیست که چگونگی کار در آن انجام شود. روانپزشکی در اغلب موارد، همه تشخیص های روانپزشکی تنها به صحبت کردن با بیمار بستگی دارد، یکی از دلایل این امر این است که ما نمی دانیم که چگونه اختلالات مغز منجر به علائم روانی می شود. این تلاش تحقیقاتی با هدف پیوند دادن مسائل بهداشت روانی و اختلالات شبکه مغز مرتبط با علائم روانپزشکی با استفاده از یک رویکرد مبتنی بر داده ها. ”

برای کشف شبکه های مغز مرتبط با اختلالات روانی، تیم نمونه بزرگی از نوجوانان و بزرگسالان جوان (999 شرکت کننده در سن 8 تا 22 سالگی) را مطالعه کرد. همه شرکت کنندگان هر دو اسکن عملکردی MRI را تکمیل و یک ارزیابی جامع از علائم روانپزشکی را به عنوان بخشی از (Neurodevelopmental Cohort، (Philadelphia Neurodevelopmental Cohort) انجام دادند، که به دنبال آن توسط Raquel E. Gur، MD، PhD، استاد روانپزشکی، مغز و اعصاب، رادیولوژی بود، بودجه توسط موسسه ملی سلامت روان صورت می گرفته است. داده های مغز و علائم پس از آن به طور مشترک با استفاده از یک روش یادگیری ماشین به نام تجزیه همبستگی ضعیف کانونی تحلیل شد.

 

این تجزیه و تحلیل نشان داد الگوهای تغییر در شبکه های مغز است که به شدت به علائم روانی مرتبط است. به طور خاص، یافته های برجسته چهار ابعاد متمایز آسیب شناسی روان شناختی ، خلق و خوی، روان درمانی، ترس و رفتار ناخوشایند که همه آنها با یک الگوی متمایز ارتباط متناوب در مغز همراه بود.

محققان دریافتند که هر کدام از اجزای هدایت مغز حاوی علائمی از چندین طبقه بندی تشخیصی بالینی است. به عنوان مثال، ابعاد خُلق شامل سه دسته از علائم بود، از جمله:  افسردگی (احساس ناراحتی)، مانیا (تحریک پذیری) و اختلال وسواسی-اجباری (افکار مجدد آسیب خود). به طور مشابه، بُعد رفتاری ، رفتار بیرونی ناخودآگاه، عمدتا به دلیل علائم اختلال بیش فعالی کمبود توجه (ADHD) و اختلال افسردگی (ODD) نمی باشد، بلکه شامل موارد تحریک پذیر از دامنه افسردگی بود. این یافته ها نشان می دهد که وقتی اطلاعات هر دو مغز و علائم در نظر گرفته می شود، نشانه های روانپزشکی به طور منظم به دسته های ثابت نمی افتند.

سدریک جیا، یک کاندیدای MD-PhD و نویسنده اصلی مقاله، علاوه بر این الگوهای مغز خاص در هر ابعادی، همچنین اختلالات متداول اتصال مغز را که در ابعاد مشترک هستند، پیدا کرد. به طور خاص، یک جفت شبکه مغز به نام شبکه حالت پیش فرض و شبکه ی front-parietal که ارتباط آنها معمولا در طول رشد مغز گسترش می یابد، به طور غیرمعمول در تمام ابعاد یکپارچه می شود. ”

این دو شبکه مغز مدتهاست که روانپزشکان و دانشمندان علوم اعصاب را به دلیل نقش مهمی در فرآیندهای ذهنی پیچیده مانند کنترل خود، حافظه و تعاملات اجتماعی به کار گرفته اند. یافته های این مطالعه از نظریه حمایت می کند که بسیاری از انواع بیماری های روانپزشکی مربوط به اختلالات رشد مغز است.

این تیم همچنین بررسی کرد که چگونه روانپزشکی در طول سن و جنس متفاوت است؟ آنها دریافتند که الگوهای مرتبط با روحیه به طور قابل توجهی با سن بیشتر شده است. علاوه بر این، الگوهای همبستگی مغز مرتبط با حالت و ترس هر دو در شرکت کنندگان زن قوی تر از مردان بود.

“این مطالعه نشان می دهد که ما می توانیم از مغز شروع کنیم تا درک خود را از اختلالات روانپزشکی بتوانیم هدایت کنیم به گونه ای که اساسا متفاوت از گروه بندی علائم به دسته های تشخیصی بالینی است. با دور شدن از برچسب های بالینی دهه های قبل توسعه یافته، شاید بتوانیم درباره زیست شناسی صحبت کنیم که “Satterthwaite گفت : “امید نهایی ما این است که درک زیست شناسی بیماری های روحی به ما اجازه می دهد درمان های بهتری را برای بیمارانمان ایجاد کنیم.”

منبع

Bo Cao, Raymond Y. et al, 2018. Treatment response prediction and individualized identification of first-episode drug-naïve schizophrenia using brain functional connectivity. Molecular Psychiatry; DOI: 10.1038/s41380-018-0106-5