Cerebral Cortex：皮质下-皮质功能连接可作为识别功能性消化不良患者的潜在生物标志物
2022-03-10 影像小生 MedSci原创
使用机器学习方法和功能脑网络生物标志物可识别 FD 患者。
功能性消化不良(FD)是一种常见的功能性胃肠疾病，其特点是自我报告的症状有上腹疼痛、上腹烧灼感、餐后饱足感和早期饱足感，但常规临床评估无法解释这些症状。流行病学研究表明，全世界约有20%的人口患有消化不良，其中80%的人没有内镜证据证明这些症状。此外，在最近的研究报告中，FD在18 - 34岁的患病率显著高于其他年龄组。在所有年龄组中，女性的FD患病率明显高于男性。但是，功能性消化不良的诊断依赖于自我报告的症状。
成都中医药大学曾芳等假设功能脑网络中包含有价值的FD患者病情的信息，可以作为多元模式分析方法区分FD和正常对照的生物标记物。该研究结果发表在Cerebral Cortex杂志，旨在确定功能性脑网络特征作为识别 FD 患者的生物标志物的潜力。
该研究团队利用支持向量机(Support Vector Machine, SVM)算法建立FD患者与正常对照的分类模型，目的是:1)检测功能脑网络特征能否以及在多大程度上在个体水平上区分FD患者与HS，2)确定对分类做出重要贡献的分类功能脑网络特征，3)验证这些分类特征的跨脑图谱鲁棒性，从而探讨基于功能脑网络生物标志物识别FD患者的可行性和稳定性。
首先，收集100名FD患者和100名健康受试者的功能性脑磁共振成像数据，通过独立成分分析提取功能性脑网络特征。然后，基于这些功能性脑网络特征建立支持向量机分类器，以区分FD患者和健康受试者。对分类有重大贡献的特征最终被确定为分类特征。
所选的独立成分和功能脑网络。(A)为四个网络中选定的35个独立成分的空间分布图。(B)为各独立成分对的主体平均功能连接矩阵。
研究结果表明，分类器在区分 FD 患者方面表现良好。交叉验证集分类准确率为0.84±0.03，独立测试集分类准确率为0.80±0.07。
分类器在100次迭代中的性能表现。
最终确定皮层下核（丘脑和尾状核）与感觉运动皮层、海马旁回、眶额皮层之间的15个连接作为分类特征。
FD患者与HS患者的分类特征
此外，跨脑图谱验证的结果表明，这些分类特征在识别 FD 患者方面非常稳健。
皮质下核(丘脑和尾状核)与感觉运动皮层、海马旁回、眶额皮层之间的功能连接是准确区分FD患者的关键特征。这些发现表明，使用机器学习方法和功能脑网络生物标志物来识别FD患者是有潜力的，这可能为未来客观、准确地诊断FD提供一个有前途的方法。
原文出处
Tao Yin, Ruirui Sun, Zhaoxuan He, Yuan Chen, Shuai Yin, Xiaoyan Liu, Jin Lu, Peihong Ma, Tingting Zhang, Liuyang Huang, Yuzhu Qu, Xueling Suo, Du Lei, Qiyong Gong, Fanrong Liang, Shenghong Li, Fang Zeng, Subcortical–Cortical Functional Connectivity as a Potential Biomarker for Identifying Patients with Functional Dyspepsia, Cerebral Cortex, 2021;, bhab419, https://doi.org/10.1093/cercor/bhab419
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#功能性#
56
#cerebral#
37
#标志物#
32
#学习#学习
72
学习
63
已学习
58
#功能连接#
0
#生物标志#
32
#生物标志#
36