Étude sur l’expression quantitative des facteurs latents de maladie et la réponse au traitement dans les dimensions psychopathologiques révélées par l’apprentissage automatique non supervisé

Contexte de la recherche

L’hétérogénéité et la comorbidité sont omniprésentes dans les diagnostics psychiatriques, ce qui pose des défis pour le diagnostic précis et le traitement individualisé. Par exemple, les troubles du spectre autistique (TSA), le trouble déficitaire de l’attention avec hyperactivité (TDAH) et le trouble obsessionnel-compulsif (TOC) ont souvent des symptômes qui se chevauchent dans le diagnostic. Leurs symptômes concomitants peuvent être médiés par des mécanismes neuraux partagés et/ou différents, mais sont difficiles à différencier au niveau individuel. L’application de modèles bayésiens avancés et de techniques d’apprentissage automatique non supervisé offre une méthode d’analyse quantitative et individualisée de la relation entre les dimensions psychopathologiques et les facteurs de maladie.

Informations sur l’article

• Auteurs : Zhao Shaoling, Lü Qian, Zhang Ge, Zhang Jiangtao, Wang Heqiu, Zhang Jianmin, Wang Meiyun, Wang Zheng
• Institutions : Institut de neurosciences de l’Académie chinoise des sciences, Département de psychologie de l’Université de Pékin, Département d’imagerie médicale de l’Hôpital du peuple de la province du Henan, Hôpital Tongde de la province du Zhejiang (Centre de santé mentale de la province du Zhejiang)
• Date et lieu de publication : Accepté le 2 janvier 2024, publié dans “Neuroscience Bulletin”
• Type de recherche : Recherche originale

Description détaillée du processus de recherche

a) Processus de recherche

La conception de l’étude est divisée en plusieurs phases. Tout d’abord, les chercheurs ont extrait des facteurs de maladie latents d’une cohorte mixte de TSA et de TDAH en utilisant l’apprentissage non supervisé et un cadre bayésien hiérarchique. Ensuite, ils ont utilisé la méthode d’analyse de corrélation canonique pour explorer la relation entre les dimensions de performance individuelle et les facteurs latents. Le modèle a été étendu à la validation externe sur des individus non vus, y compris des populations subcliniques et une base de données locale de TOC, en utilisant les mêmes facteurs.

b) Résultats de la recherche

L’étude a identifié quatre facteurs de maladie latents principaux, qui sont significativement corrélés à différents domaines symptomatiques. Ces facteurs s’expriment de manière variable chez les individus et peuvent prédire de manière significative les scores symptomatiques individuels et la réponse au traitement. Le degré d’expression des facteurs prédictifs est associé au degré d’amélioration des symptômes chez les patients atteints de TOC.

c) Conclusion et signification

L’étude démontre que les facteurs de maladie latents dérivés des données peuvent quantifier l’expression des facteurs individuels, utilisés pour informatiser les symptômes dimensionnels et les résultats de traitement à travers les cohortes, contribuant ainsi à promouvoir le diagnostic quantitatif et l’intervention individualisée des maladies mentales.

d) Points forts de la recherche

• Méthode novatrice : Utilisation de modèles bayésiens avancés et de techniques d’apprentissage automatique non supervisé pour analyser les données de connectivité cérébrale fonctionnelle.
• Facteurs multidimensionnels : L’étude révèle non seulement l’expression variable des facteurs de maladie latents entre les individus, mais valide également l’universalité et la valeur prédictive de ces facteurs à travers des ensembles de données externes.
• Valeur clinique : Les résultats peuvent indiquer précisément la réponse au traitement des patients atteints de TOC, ce qui a une importance significative pour l’évaluation clinique de l’efficacité du traitement.

Conclusion

Cette étude, en appliquant des techniques avancées d’apprentissage automatique, fournit une nouvelle interprétation quantitative pour le diagnostic dimensionnel et l’intervention clinique des troubles mentaux, offrant une orientation et une inspiration importantes pour la recherche future en psychiatrie de précision.