精神分裂症是一种严重的精神障碍, 患病率约为1%, 患者表现出思维方式和行为举止怪异、感知觉扭曲、认知失调等症状并且常伴有情感迟钝、社会退缩等特征(Carpenter & Buchanan, 1994)。近年来, 研究者利用脑影像技术发现精神分裂症患者的脑结构存在异常, 包括灰质体积和密度改变, 白质异常和脑室体积增大等, 为理解精神疾病的病理机制提供支持(Bakhshi & Chance, 2015; Palaniyappan, 2017)。现阶段精神分裂症脑影像研究多采用临床患者和健康对照的组间均值差异检验来考察患者的异常特征, 然而这一方法获得的结果无法应用到个体水平上, 机器学习(Machine Learning)技术可以弥补以上不足。机器学习这一概念最早由IBM (International Business Machines Corporation)公司的Arthur Samuel (1959)提出。Tom Mitchell提出更广泛且正式的机器学习定义：“对于某类任务T和性能度量P, 如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善, 那么称这个计算机程序在从经验E学习” (Mitchell, 1997)。在精神疾病领域, 研究者利用机器学习从脑影像数据中学得规律、构建模型并利用模型在个体水平上进行预测, 同时发现最具有鉴别能力的特征。

目前已经有研究者利用机器学习分类方法, 尝试探讨如何从人群中识别出精神分裂症患者(Ardekani et al., 2011; Nieuwenhuis et al., 2012; Winterburn et al., 2017)、从高危人群中识别出未来转变为精神分裂症患者的个体(Zarogianni, Storkey, Johnstone, Owens, & Lawrie, 2017)以及区分处于不同疾病阶段的临床患者(Guo, Palaniyappan, Liddle, & Feng, 2016)。在训练模型的过程中, 模型选取的特征一般是能够区分各类别的显著特征, 因此精神分裂症患者、高危人群和健康对照的机器学习分类研究可以为精神分裂症的疾病诊断、预后判断、疗效判断的相关生物标记物的寻找提供帮助。

本文将从以下四个方面进行系统论述：首先简要阐述机器学习的主要步骤, 其次对以往利用脑结构像对精神分裂症患者及高危人群开展的机器学习研究进行系统梳理, 并讨论现阶段精神分裂症领域机器学习研究的局限, 最后提出未来研究方向。

将机器学习应用于精神分裂症的脑结构像(structural Magnetic Resonance Imaging, sMRI)数据时, 主要步骤包括从脑影像中提取特征数据、特征降维和特征选择、训练模型、评估模型以及利用模型预测新样本(见图1)。

在精神分裂症的脑结构像研究中, 采用高信噪比的大脑图像是分析的基础。研究者应进行图像质量控制, 以保证用于机器学习数据的可靠性和有效性。从脑影像中提取数据后, 数据集将被分割成训练集和测试集或者训练集、验证集和测试集。研究者使用训练集数据寻找规律、生成模型, 利用验证集数据调整模型参数、选择最优模型, 最终使用测试集数据检验最终模型的性能。

特征降维和特征选择能有效提高模型的泛化能力, 是数据处理的重要步骤, 对高维数据的处理尤为重要。特征降维是高维数据转变成低维数据的过程, 常用方法是主成分分析(Principal Components Analysis, PCA)。特征选择是从原始或降维后的数据中选取具有最佳分类效果的特征子集的过程, 该子集的类别分布应与原始数据的类别分布相似。Guyon, Weston, Barnhill和Vapnik (2002)基于评价准则将特征选择方法分为过滤法(Filter)、包装法(Wrapper)和嵌入法(Embedded), 三类特征选择方法在精神分裂症的脑影像分类研究中均有应用。过滤法根据特征的统计指标或特征与类别之间的相关性对特征进行评分, 根据设定的阈值或设定的个数选择特征, 有助于降低特征之间的相关性, 提高特征与类别之间的相关性。包装法是根据算法的分类性能增减特征, 如使用基于支持向量 机的递归特征消除方法(Support Vector Machine- Recursive Feature Elimination, SVM-RFE)选择特征。嵌入法合并特征选择和分类器训练过程, 在训练过程中自动选择最优特征子集, 如决策树算法在训练过程中优先选择分类能力更强的特征。除此之外, 研究者还可以根据以往文献选择或移除特征, 例如将精神分裂症患者受药物影响较大的纹状体的影像数据移除(Nieuwenhuis et al., 2012)。

研究者利用机器学习算法寻找脑影像数据规律并生成模型。机器学习算法一般分为监督学习和无监督学习, 区别在于算法是否使用样本数据的分类信息或目标值。在精神分裂症的研究中, 研究者通常使用支持向量机(Support Vector Machine, SVM)、线性回归(Linear Regression)等监督学习算法探究精神分裂症患者或高危人群和健康对照的分类问题。

泛化能力是指模型适用于新数据的能力, 研究者利用性能度量来衡量模型泛化能力, 评估模型优劣(周志华, 2016)。在精神分裂症的研究中, 正确率(Accuracy)、敏感性(Sensitivity)即查全率(Recall)、查准率(Precision)和特异性(Specificity)是最直观的性能度量。正确率是判断正确的样本数占样本总数的百分比。敏感性指所有阳性样本中真阳性样本的比例。查准率指真阳性样本占判定为真的样本的百分比。特异性指真阴性样本占所有阴性样本的百分比。根据性能度量结果, 研究者采取更改算法、调节模型参数等方法调整模型。最终模型确立后, 可用来预测新数据的类别。

交叉验证是特征选择、参数调整和最终模型检验中评估模型性能的有效方法, 数据处理操作(如特征降维和特征选择)必须嵌入在交叉验证中。K折交叉验证(K-fold cross validation, K-fold CV)是最常见的交叉验证方法, 它将样本分为K份, 每次取K-1份为训练集, 剩下1份为测试集, 将平均正确率作为最终预测结果。在大多数研究中, 研究者选择使用5折或10折交叉验证, 也可根据样本大小和数理统计标准确定K值(Dwyer, Falkai, & Koutsouleris, 2018)。由于受到样本量的限制, 脑影像的机器学习研究通常采用K折交叉验证法的特殊形式——留一法(Leave One Out Cross Validation, LOOCV), 其K取样本总数N。留一法虽然简单, 但具有高偏差、高耗时等缺点。

另外, 有研究者建议使用嵌套交叉验证(Nested Cross Validation) (Madsen, Krohne, Cai, Wang, & Chan, 2018)。嵌套交叉验证包括评估模型性能的外循环和用于选择最优特征、最优参数的内循环, 令小样本数据集能够采用不同的数据来评估模型和选择特征、调整参数, 最大程度减少偏差, 缓解小样本数据的可用性问题, 提高评估结果的可信度。目前已有多篇脑影像数据机器学习研究使用嵌套交叉验证方法(Borgwardt et al., 2013; Dyrba, Grothe, Kirste, & Teipel, 2015; Peng et al., 2017; Zarogianni et al., 2017)。

我们对2010年以来精神分裂症领域采用脑结构像数据(包括T1加权像、弥散张量成像(Diffusion tensor imaging, DTI) )的机器学习研究进行文献搜索, 使用的数据库包括Web of Science, PubMed, Elsevier, 采用的关键词包括“structural MRI”, “Machine Learning”, “Support Vector Machine”, SVM, schizophrenia, “high risk”, schizotype以及 “voxel based morphometry”, VBM, “grey matter”, “gray matter”, DTI, “diffusion tensor imaging”的不同组合。表1中列出截止到2019年1月17日搜索到的34篇文献的主要方法和结果。

根据分类特征是否来源于同一模态, 脑影像数据分为单模态数据和多模态数据。为探讨上述两种数据和不同脑结构特征对精神分裂症脑影像的机器学习分类的影响, 下文将按照基于脑结构像的单模态机器学习研究、基于DTI的单模态机器学习研究、多模态机器学习研究、脑影像数据和行为数据相结合的机器学习研究这一顺序进行综述。

基于脑结构像的机器学习研究中, 最常用的特征包括大脑灰质体积、白质体积和皮层厚度。在这些研究中, 以慢性精神分裂症患者、首发精神分裂症患者, 以及精神病高危个体为对象的分类研究均有报道。从机器学习的分类表现上看, 现有研究的分类正确率在36.84%到98%之间; 在特征方面, 使用额叶、颞叶的脑结构特征可以达到较高的正确率。

2.1.1 精神分裂症

在精神分裂症的分类研究中, 总样本量最小值为39, 最大值为606, 多数研究总样本量超过100; 分类正确率在44.74%到98%之间; 研究结果指出, 额上回、额中回、额下回、颞中回、颞上回、梭状回、海马、楔前叶、丘脑和枕叶的脑结构特征具有较高的分类正确率; 算法对分类正确率的影响不明显, 特征选择方法可能会影响分类表现, 相同特征对于不同病程患者的重要性有差异。

精神分裂症患者的脑结构随病程改变, 有研究者采用98例不同病程的精神分裂症患者和83例健康对照的皮层厚度数据进行分析, 去除了年龄和性别对皮层厚度的影响, 使用基于RBF (Radial Basis Function)核的SVM算法进行分类并用留一法验证, 获得81.77%的平均分类正确率, 77.55%的平均敏感性和86.75%的平均特异性, 进一步研究发现病程小于两年的患者与健康对照的分类正确率最高(96.3%, 特异性为98.8%、敏感性为88%); 患者尤其是长病程患者的颞叶-边缘系统和额叶-顶叶的皮层厚度减少, 但枕叶皮层厚度增加(Guo et al., 2016)。

在分类过程中, 有研究者提出与使用全脑灰质密度数据相比, 利用特征选择方法选取部分脑区的灰质密度作为特征能提高分类正确率。Chin等(2018)使用序列感兴趣区选择方法(sequential region-of-interest (ROI) selection)在64个脑区的灰质密度数据中选择最优特征, 结果发现使用该特征选择方法可将84个精神分裂症患者和43个健康对照(训练集)的分类正确率从86.6%提高到92.0%, 将57个精神分裂症患者和28个健康对照(测试集)的分类正确率从83.5%提高到89.4%, 同时筛选出包含7个ROI的最佳分类子集, 包括梭状回、额中回、额下回、颞上回、额上回、左丘脑和左侧脑室。还有研究者比较不同特征选择方法对分类正确率的影响。Nieuwenhuis等人(2012)采用基于体素的形态学分析(Voxel-Based Morphometry, VBM)提取脑结构像每个体素的灰质密度数据, 用线性回归去除年龄、性别和利手的影响, 将残差作为原始输入数据, 分别采用嵌入法和基于先验知识选取特征, 前者使用SVM算法训练模型, 选取权重绝对值前10%的特征作为输入特征, 后者基于以往研究去除受药物影响的纹状体的灰质密度, 将余下脑区的灰质密度作为输入特征。使用线性SVM算法在239个被试(128个患者和111个健康对照)中建立模型, 使用留一法交叉验证。结果发现采用嵌入法选取特征建立的模型具有较好的分类表现：71.4%的平均正确率, 73.4%的平均敏感性和69.4%的平均特异性; 最后在277个被试(155个患者和122个健康对照)的数据中进行验证, 得到70.4%的分类正确率, 67.1%的敏感性和73.8%的特异性; 研究发现患者额叶、颞上回和海马的灰质密度降低, 而基底神经节和左侧枕叶灰质密度增加。

除了使用不同的特征选择方法, 研究者还探究不同算法对分类正确率的影响, Salvador等人(2017)使用127个健康对照和128个精神分裂症患者的灰质体积探究不同算法的分类性能。该研究采用的算法包括Ridge, Lasso, 弹性网络(Elastic Net), L0范数正则化逻辑回归(L0 Norm Regularized Logistic Regressions), 线性SVM, 正则化判别分析(Regularized Discriminant Analysis), 随机森林(Random Forests)和高斯过程分类(Gaussian Process Classifier), 发现使用这8种算法得到的分类结果并无较大差异, 分类正确率在74.1%到76%之间。

现有研究不仅将机器学习应用于区分精神分裂症患者和健康对照, 而且还尝试区分不同亚型精神分裂症患者。有研究者使用机器学习区分有无强迫症状的精神分裂症患者, 在23例无强迫症状的精神分裂症患者和23例有强迫症状的精神分裂症患者的样本中发现中央旁小叶(包括辅助运动区)、中扣带回(middle cingulate gyrus)和额叶-皮层下(fronto-subcortical)区域的灰质密度能很好地区分两组被试, 正确率达到78.26% (Tas et al., 2018)。

2.1.2 首发精神分裂症

因受到病程和长期服用药物的影响, 慢性精神分裂症患者的脑结构可能发生一定的改变, 影响机器学习研究的分类表现。首发精神分裂症患者较少受到药物和病程的干扰, 对这一群体的研究有利于探讨精神分裂症的神经病理机制。在首发精神分裂症患者的分类研究中, 总样本量最小仅为42, 最大达到480; 分类正确率在44.74%与96.7%之间。在特征方面, 额叶(如额上回、额中回和额极等)、颞中回、梭状回和舌回的脑结构特征能提高分类正确率。

分类问题是研究者首要关注的问题, 在127个首发患者和127个健康对照的分类研究中, Squarcina等人(2017)提取68个感兴趣区的皮层厚度数据, 分别对每个感兴趣区应用SVM算法, 根据分类结果选取5个最优特征; 利用最优特征建立模型, 使用SVM或多核学习(Multiple Kernel Learning, MKL)算法进行训练和预测, 在额上回, 额中回喙部和颞中回取得85%的最高正确率。

在首发精神分裂症患者中有研究者探究了不同算法应用于灰质密度和皮层厚度数据的分类表现。Winterburn等人(2017)使用逻辑回归(Logistic Regression, LR)、SVM (包括线性SVM和SVM- RBF)和线性判别分析(Linear Discriminant Analysis, LDA)三种算法进行分类, 脑结构像数据包括灰质密度和皮层厚度, 数据样本包括50例首发精神分裂症患者和50例健康对照, 研究者首先将样本分为2/3的训练集和1/3的测试集, 应用线性SVM算法于灰质密度数据时, 分类正确率最高可达69.6% (敏感性77.8%, 特异性57.9%); 使用SVM-RBF算法和皮层厚度数据进行分类, 最高分类正确率可达73.5% (敏感性58.8%, 特异性88.2%)。

2.1.3 高危人群

与首发精神分裂症患者相比, 识别高危人群与探究其脑结构有利于解释精神分裂症的发生机制、预测精神疾病的发生。目前利用脑结构像对高危人群的分类研究较少, 总样本量均不超过50, 分类正确率在36.84%与72%之间。其中, 有研究者使用灰质体积数据和SVM算法对25名高危个体和25名健康对照个体进行分类, 应用留一法进行交叉验证, 获得72%的分类正确率(敏感性68%, 特异性76%), 双侧海马、海马旁回、壳核、额上回、额中回、梭状回和顶下小叶, 左侧颞下回、右侧颞上回、左侧楔前叶和左侧小脑等区域具有较高的特征权重(Valli et al., 2016)。

弥散张量成像是另一种常用的脑结构成像。水分子在脑中受到白质纤维(如髓鞘和轴突膜等)的约束, 各个方向上的弥散不同, 呈现各向异性。弥散张量成像利用水分子弥散的各向异性成像, 用于探究脑白质纤维束的位置和方向(Meoded, Poretti, Mori, & Zhang, 2017)。现有基于DTI的机器学习分类研究较少, 样本量在42到154之间, 研究常采用的特征包括各向异性分数(Fractional Anisotropy, FA)、轴向弥散张量(Axial Diffusivity, AD)、垂直弥散张量(Radial Diffusivity, RD)、平均弥散率(Mean Diffusivity, MD)等, 从机器学习的分类表现上看, 现有研究的分类正确率最低为60%, 最高可达98%。

有研究者将50名精神分裂症患者和50名健康对照分为训练集和测试集, 基于DTI数据计算FA和MD值, 使用PCA降维并在数据中进行独立样本t检验, 移除P值大于0.5的特征, 利用Fisher线性判别分析训练模型。结果发现使用FA值构建的模型在测试集中获得94%正确率(敏感性96%, 特异性92%), 有区分能力的特征集中在大脑深部白质区域, 如双侧外囊(external capsule); 使用MD值构建的模型在测试集中的正确率为98% (敏感性96%, 特异性100%), 影响正确率的特征集中在皮层和脑室; 结合FA和MD数据进行分类并没有显著改变模型的分类正确率(正确率、敏感性和特异性均为96%) (Ardekani et al., 2011)。

另外, 有研究者基于DTI数据计算18条主要白质纤维束的FA、MD、RD和AD值, 使用基于随机森林的递归特征消除法(Random Forest-Recursive Feature Elimination, RF-RFE)选择特征, 采用随机森林算法在52个首发患者和48个健康对照的数据中进行训练和测试, 得到71%的分类正确率(敏感性67.3%, 特异性75%); 用最终模型区分13个首发患者和12个健康对照得到76%的分类正确率(敏感性76.9%, 特异性75%), 具有区分能力 的特征位于连合纤维、小脑-丘脑-皮层回路(the cerebello-thalamo-cortical circuits)和长纤维(Deng et al., 2019)。

Pettersson-Yeo等人(2013)利用FA值分别对19个高危个体和23个健康对照、19个首发患者和23个健康对照进行分类, 使用SVM算法均得到65.79%的分类正确率, 其敏感性均为68.42%, 特异性均为63.16%。

除了单模态数据, 现有研究还尝试结合多种模态脑影像数据对精神分裂症患者或高危人群与健康对照进行分类。目前多模态脑影像机器学习分类研究有8篇, 总样本量在46到144之间, 分类正确率在54.9%到100%之间, 常与T1加权像数据结合的脑影像数据有静息态功能磁共振成像(resting state functional Magnetic Resonance Imaging, rs-fMRI)数据和DTI数据。

Peruzzo等人(2015)结合T1加权像和DTI数据, 采用非参数统计检验和SVM算法选取特征, 采用多核学习MKL算法对23个首发精神分裂症患者和23个健康对照进行分类, 正确率最高达到93.5%, 影响正确率的特征包括杏仁核、额上回、额下回、苍白球、海马旁回的灰质体积和侧脑室体积, 额上回、额中回、额下回、梭状回、海马旁回、颞中回、眶额皮层和脑岛的皮层厚度, 钩束、扣带、小脑下角和胼胝体压部的弥散张量值。此外, Sui等人(2013)提出一种多模态融合的方 法——mCCA (multi-set Canonical Correlation Analysis)和jICA (joint Independent Component Analysis), 将rs-fMRI、结构像和DTI的数据两两结合, 对35名精神分裂症患者和28名健康对照个体进行分类, 发现单模态数据的分类正确率在50%~70%之间, 多模态数据正确率在60%~80%之间。另外, 该研究团队还基于rs-fMRI、T1加权像和脑电数据(Electroencephalogram, EEG)采用独立样本t检验, mCCA和SVM-RFE选择特征, 应用SVM算法和十折交叉验证方法在43个精神分裂症患者和48个健康对照中得到91%的分类正确率, 并且以100%的正确率成功区分5个精神分裂症患者和5个健康对照个体(Sui et al., 2014)。

虽然现阶段大部分多模态脑影像的机器学习研究分类正确率较高, 但此类研究的样本量通常较小。因此, 多模态脑影像数据对分类结果的影响仍需要进一步探讨。

除结合不同模态的脑影像数据以外, 目前也有将脑影像数据和行为数据相结合作为分类特征的机器学习研究, 现有研究建议将脑影像数据和行为数据结合能提高分类正确率。

有研究将灰质、白质、脑脊液体积与威斯康星卡片分类测试(Wisconsin card sorting test, WCST)的错误率结合, 利用独立成分分析处理数据, 使用SVM算法在19个精神分裂症患者和16个健康对照的数据中取得91.58%的分类正确率, 证明WCST的错误率和脑影像数据结合能有效区分患者和健康对照(Chu et al., 2016)。Zarogianni等人(2017)预测34名具有家族遗传史的高危个体是否会转变为精神分裂症患者, 应用SVM-RFE算法在各脑区的灰质密度数据、Rust Inventory of Schizotypal Cognitions (RISC)问卷分数和雷氏听觉语言学习测验(Rey Auditory Verbal Learning Test, RAVLT)得分中进行特征选择, 用SVM算法进行预测, 分类正确率达到94%, 高于仅使用灰质密度数据的分类正确率(88%)。Ebdrup等人(2018)对46个首发精神分裂症患者和58个健康对照进行分类, 结合行为数据(包括韦氏智力量表第三版和丹麦成人阅读测试(Danish Adult Reading Test))和T1加权像、DTI和EEG的数据仅获得51%~68%的分类正确率, 低于仅使用认知数据的分类结果(60%~69%), 稍高于单独使用单模态数据的分类结果(49%~56%)。因此, 现有研究提示结合行为数据和脑影像数据的分类结果可能优于单模态数据的分类结果, 但结合这两类数据能否取得高正确率仍有待进一步探讨。

将机器学习应用于精神分裂症领域, 利用脑结构特征对精神分裂症患者、高危人群与健康对照进行分类, 有助于理解疾病的生理病理机制。研究数量逐年递增, 但仍具有一定局限, 特别是在研究样本量和模型泛化能力上仍存在问题, 亟待解决。

图2总结了现有精神分裂症和高危人群中机器学习研究采用的总样本量以及分类的最高和最低正确率。如图2所示, 样本量在50到150时, 最高分类正确率较高, 样本量大于400时, 最高正确率只有60%~72%。出现小样本分类正确率高而大样本分类正确率低的情况可能有如下原因：1)样本量小导致模型不稳定和测试不准确。训练样本量过小容易导致训练不充分, 造成模型过拟合或不稳定; 测试样本量过小, 容易出现过高或过低的分类正确率, 即使在小样本测试中得到高正确率仍难以验证一个模型的性能。有研究表明, 验证一个模型的有效性至少需要75到100个测试样本(Beleites, Neugebauer, Bocklitz, Krafft, & Popp, 2013); 2)现有大样本研究的分类特征远大于样本量, 研究中未进行特征选择, 容易造成模型过拟合, 降低分类正确率; 3)大样本研究数据来自多个中心, 患者的异质性可能更高, 从而降低分类正确率。

样本量不足是现阶段精神分裂症领域机器学习研究面临的一大问题(Madsen et al., 2018)。样本量不足的主要原因包括磁共振扫描成本高、精神分裂症的特殊性和数据共享困难。高昂的磁共振成像扫描费用和较长的扫描时间导致研究者难以在短时间内收集大量脑影像数据。精神分裂症患者受到临床症状和药物副作用的影响, 在采集脑影像数据时需要耗费更多的人力和物力, 采集难度大, 因此与精神分裂症有关的脑成像研究样本量通常较小。除此之外, 多中心数据共享困难是也是可能的原因之一, 各中心扫描仪器的型号和参数各不相同, 并且存在数据管理、伦理和隐私保护的问题。

未来多个研究机构/中心可以通过制定详细协议保障被试隐私和数据安全, 统一扫描参数和入组标准, 在不违背伦理的情况下实现多中心数据共享, 增大样本量。研究者在纳入多中心数据时, 需要保证入组标准尽可能一致; 在处理大样本数据时, 进行数据清洗, 利用降维和特征选择的方法保留有用特征, 保证数据质量, 得到更加可信的结果, 从而利用大样本数据考察脑结构特征的有效性。有研究者提出可以通过合并多中心模型解决样本量问题。研究者分别在4个中心收集首发精神分裂症患者和健康对照的脑结构数据, 分别使用4个中心的数据训练模型, 利用这4个模型生成最终的元模型(the meta-model)。研究发现该元模型与基于所有数据生成的模型有较高的相似性(Dluhoš et al., 2017)。因此, 合并多中心模型为解决样本无法共享提供了一种新思路。

机器学习的目标是使训练得到的模型能够很好地适用于新样本, 即具有较好的泛化能力。除了样本量不足会影响模型泛化能力外, 机器学习训练过程中出现信息泄露也会影响泛化能力。常见的信息泄露的情况是使用同一批样本调整参数和测试结果, 在特征选择时提前使用测试集的标签, 如在所有样本中进行独立样本t检验选取显著脑区, 再进行训练集、测试集和验证集的拆分。提前使用测试集的信息, 虽然能得到高正确率, 但是不能反映模型真正的泛化能力。研究者在今后研究中应避免信息泄露并使用嵌套交叉验证(Madsen et al., 2018; Dwyer et al., 2018), 使评估结果更加精确, 提高模型泛化能力。为测试泛化能力, Dwyer等人(2018)建议未来可设置第三方检测机构, 收集各中心或机构的数据, 一旦形成新模型, 研究者可移交第三方机构, 利用其数据进行测试, 从而保证较好的泛化能力。

未来的精神分裂症脑影像机器学习研究可以考虑在特征中加入用药情况、临床症状和社会人口学等信息。Kambeitz等人(2015)在精神分裂症患者和健康对照的脑影像机器学习研究中, 将特异性和敏感性作为效应量, 考察年龄、阳性症状与阴性症状比率、抗精神病药物剂量对分类结果的影响。该元分析发现, 年龄越大机器学习分类的敏感性越高; 阳性症状与阴性症状比率越大特异性越高; 抗精神病药物剂量越大特异性越高。因此, 在区分不同病程的患者或探究预后情况时, 可以纳入临床信息和社会人口学信息, 提高分类表现。

近年来, 随着计算机技术的高速发展, 深度学习开始重新获得人们关注。深度学习是以人工神经网络为架构, 对数据进行表征学习的算法, 在图像、视频、语音等多个领域均表现优异(Bengio, Courville, & Vincent, 2013; Lecun, Bengio, & Hinton, 2015; Schmidhuber, 2015)。Pinaya等人(2016)使用深度信念网络(Deep Belief Network), 在143例精神分裂症患者和83例健康对照中得到了73.6%的分类正确率(敏感性76.37%, 特异性70.74%), 稍高于使用SVM算法的正确率(68.1%)。Dwyer等人(2018)指出, 深度学习需要大样本数据来避免维度灾难和过拟合。因此, 研究者可以在获得大样本数据的基础上, 尝试使用深度学习的方法进行分类, 探究精神分裂症的内在机制。

现有研究的数据处理流程和结果报告都不相同, 由于缺乏具体信息和使用方法的差异, 不同研究之间很难进行比较。据此Riley (2019)指出将机器学习应用于不同学科领域中时, 应建立统一的数据分析和结果报告标准。

机器学习技术从数据中提取有用信息, 可以协助研究者在个体水平上进行预测, 探究精神分裂症的特点和内在机制, 帮助寻找生物标记物、实现精神疾病的早期识别。本文主要从脑结构像出发, 综述了单模态、多模态脑影像和结合行为数据与脑影像的机器学习研究。单模态脑影像的机器学习分类正确率在36.84%到98%之间, 多基于T1加权像, 结果提示额叶和颞叶的脑结构特征可以有效区分精神分裂症患者或高危人群和健康对照; 基于DTI的机器学习研究多采用弥散张量值为特征, 但因其样本量小且现有研究少, 各研究者提出的能提高分类正确率的脑区或纤维特征大不相同, 尚未达成统一意见。多模态脑影像的分类正确率在54.9%~100%之间, 多数研究的分类正确率高, 但样本量小, 多模态数据是否显著优于单模态数据并有效提高分类正确率, 有待研究者进一步探讨。行为数据和脑影像数据结合的分类效果优于单模态数据的分类效果, 但能否显著提高分类正确率仍待进一步验证。目前精神分裂症领域的机器学习研究具有样本量不足和泛化能力弱等局限, 未来还需要在多中心的大样本中进行模型训练和验证, 以求获得更可靠的模型和更有效的特征, 才能在临床实践中发挥更大作用。