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
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。
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。
相关文章
评论
我要跟帖
.jpg)
