近日，山西医科大学第一医院精神卫生科李忻蓉主任医师团队与北京航空航天大学刘祥龙教授团队等机构的研究人员在夜间多导睡眠监测（PSG）开发领域取得重要进展，研究成果发表于中科院2区权威期刊《Journal of Affective Disorders》（IF=4.9）。

本研究首次利用夜间多导睡眠监测（PSG）脑电图数据结合机器学习技术，将既往脑电图生物标志物研究拓展至睡眠领域。实现了对双相情感障碍和精神分裂症的有效区分，为解决两种疾病因临床症状重叠、遗传风险共享导致的高误诊率问题提供了客观的生物标志物方案，为这两种精神障碍的鉴别诊断带来新突破。

图1 随机森林分类器的ROC曲线

图2 不同特征组合下随机森林模型矩阵

该研究将双相情感障碍与精神分裂症的夜间睡眠脑电功率谱和相干性特征与机器学习结合，对比了逻辑回归、梯度提升决策树和随机森林三种模型的性能，并测试了四种特征组合对随机森林模型分类效果的影响，结果显示，整合所有特征的随机森林模型表现最优，取得了71.88%的分类准确率、0.709的F1值和0.770的ROC-AUC值，显著优于另外两种模型。该研究证实，睡眠期间的独特神经生理特征能有效区分双相情感障碍和精神分裂症，凸显了其作为实用、客观生物标志物的临床价值，进而指导更精准的临床干预，同时也为探索双相情感障碍和精神分裂症的潜在神经生物学机制搭建了桥梁。

文章链接：

https://www.sciencedirect.com/science/article/pii/S0165032726003290

供稿：精神卫生科 李忻蓉

制作：张文华

初审初校：刘志芬

复审复校：张君

终审终校：杨丽红

发布：董希秀