KNOWLEDGE
首頁

應用教學

KNOWLEDGE
首頁

應用教學

認知功能在雙極性情感障礙診斷中的作用:機器學習模型 - CANTAB

DEC 24 ,2024

文章分類:產品應用

 

Photo by Ehimetalor Akhere Unuabona on Unsplash

 

以下譯自 CANTAB's Blog - The role of cognitive functions in the diagnosis of bipolar disorder: A machine learning model


 

 

 

認知功能在雙極性情感障礙診斷中的作用:機器學習模型

 

 

我們採訪了土耳其 Eskişehir Osmangazi University 醫學院精神醫學的副教授 Ercan Altınöz,他告訴我們如何將 CANTAB® 任務與機器學習相互結合,並有助於改善雙極性情感障礙(bipolar disorder)的診斷。

 

雙極性情感障礙(Bipolar Disorder),其疾病狀態與範圍被視為是一個光譜,影響著大約 6% 的人口。科學研究數據顯示,約有 1/3 雙極性情感障礙的患者在多個認知領域存在明顯的認知障礙。例如:執行功能、注意力、處理速度和記憶,這對患者的日常生活和職業功能來說,皆產生了負面影響。而此種障礙的性質以及與其他精神障礙相關的共病性也使得要準確診斷成為一大挑戰。許多雙極性情感障礙患者都歷經過誤診,有些人甚至等待長達 10 年之後,才得到正確的診斷。這種情況可能導致患者無法及時接受正確的治療。做出準確診斷並儘早啟動治療,對於幫助這些患者非常重要。

 

科學研究的資料顯示,辨識特定的認知缺陷有助於在雙極性情感障礙的早期階段進行診斷。另一方面,利用機器學習來進行雙極性情感障礙早期診斷的研究也顯示出有希望的前景。據我們所知,目前僅有一項研究將這兩種方法結合起來。在這項研究中,作者透過機器學習來評估認知結果,並成功以71%的準確率區分出了雙極性情感障礙患者與健康對照組。

 

 

 

 

您的研究調查了什麼?

 

在這項研究中,Eskişehir Osmangazi University 精神醫學系的 Sonkurt HO、Altınöz AE 和Köşger F 以及 Eskişehir Technical University 的研究人員 Çimen E 和 Öztürk G 將機器學習與更廣泛的認知評估相結合,目的在於做出對雙極性情感障礙進行正確、早期和客觀的診斷。我們使用了一個修改過的單類型多面向二次函數(Polyhedral Conic Function)演算法作為分類標準來檢測雙極性情感障礙患者。在資料預處理(pre-processing)方面,我們使用 1R 特徵選擇(1R feature selection)演算法來選擇最佳特徵。研究評估了第一型雙極性情感障礙(Bipolar I Disorder)患者,即一生中經歷過躁症和鬱症的患者,並排除了第二型雙極性情感障礙(Bipolar II Disorder)患者,即一生中同時經歷過輕躁症和鬱症的患者。

 

 

 

 

為什麼選擇 CANTAB® 進行研究?

 

我們選擇了CANTAB Connect Research 劍橋認知測驗(Cambridge Neuropsychological Test Automated Battery,CANTAB®),這是一種創新且標準化的認知功能測量工具,因為它有助於消除評分者偏差(rater bias),準確度高,並且能提供大量數據,這些數據也可以與機器學習算法配合使用。

 

 

 

 

您使用了哪些 CANTAB®的測驗?

 

在回顧了有關雙極性情感障礙認知概況的文獻後,我們的目的是透過廣泛的認知測試來評估認知功能。因此,我們使用來自CANTAB®軟體的多種測驗,包括了動作檢查作業(Motor Screening Task,MOT)空間工作記憶測驗(Spatial Working Memory,SWM)樣本延遲配對測驗(Delayed Matching to Sample,DMS)內隱劍橋河內塔作業(One Touch Stockings of Cambridge,OTS)情緒再認作業(Emotion Recognition Task,ERT)以及快速視覺訊息處理測驗(Rapid Visual Information Processing,RVP)。透過上述測驗,我們評估了參與者的運動處理速度、工作記憶、執行功能、視覺記憶、情緒辨識和持續注意力的能力。根據這些數據,我們使用多面向二次函數演算法對參與者進行分類。

 

 

 

 

您發現了什麼?

 

 1R 方法根據特徵對分類標準的貢獻,'將 CANTAB® 測驗中的所有結果指標(特徵)進行排序。根據這些特徵在分類中的變數重要性排序,我們將這些特徵一一加入分類模型中。我們持續監測準確性的變化,直到加入更多特徵也不再能提升分類準確性為止。七個特徵來自 SWM、DTS 和 OTS 測驗的結果指標。我們的結果顯示,在執行功能、策略制定和空間工作記憶的特定領域中,能夠以78%的準確度區分雙極性情感障礙患者和健康個體。我們的機器學習方法以及選擇測量執行功能和策略制定的特定測驗能使我們改善文獻中的發現,這部分內容在我們的文章中有詳細討論。

 

 

 

 

接下來還可以做什麼?

 

在我們的研究中,由於僅評估了第一型雙極性情感障礙患者,因此很難將這些發現擴展到所有雙極性情感障礙患者。若能納入第二型雙極性情感障礙患者,可能會提供有關整個疾病光譜中在認知功能上有更可靠數據。此外,如果考慮到思覺失調症(schizophrenia)與雙極性情感障礙之間存在重疊的領域,如解離(disorganization)、心理病態傾向(psychoticism)和功能障礙,那麼在未來的研究中,認知功能可以用來對雙極性情感障礙做出正確、準確和早期的診斷。

 

Read the paper

 

 

 

 

References 

 

1. Merikangas, K. R., Akiskal, H. S., Angst, J., Greenberg, P. E., Hirschfeld, R. M., Petukhova, M., & Kessler, R. C. (2007). Lifetime and 12-month prevalence of bipolar spectrum disorder in the National Comorbidity Survey replication. Archives of general psychiatry, 64(5), 543-552.
2. Bourne, C., Aydemir, Ö., Balanzá‐Martínez, V., Bora, E., Brissos, S., Cavanagh, J. T. O., … & Goodwin, G. M. (2013). Neuropsychological testing of cognitive impairment in euthymic bipolar disorder: an individual patient data meta‐analysis. Acta Psychiatrica Scandinavica, 128(3), 149-162.
3. Hirschfeld, L. Lewis, L.A. Vornik, Perceptions and impact of bipolar disorder:how far have we really come? Results of the National Depressive and Manic-Depressive Association 2000 survey of individuals with bipolar disorder, J. Clin.Psychiatry (2003)
4. M.J. Wu, I.C. Passos, I.E. Bauer, L. Lavagnino, B. Cao, G.B. Zunta-Soares, F. Kapczinski, B. Mwangi, J.C. Soares, Individualized identification of euthymic bipolar disorder using the Cambridge Neuropsychological Test Automated Battery (CANTAB) and machine learning, Journal of Affective Disorders, 192 (2016) 219-225.

 

 

 

 


 

未來還會持續推出不同產品知識或應用方面的文章喔!還請多多關注我們!

 

歡迎加入我們的社群頁面,隨時獲得最新消息!