结合基因、影像与脑连接组学的精神分裂症司法医学鉴定新方法研究

Forensic psychiatry is concerned with the relationship between psychiatric abnormalities and legal violations and crimes. Due to the lack of available biological criteria, evaluation or therapy in forensic psychiatry have so far been restricted to psychosocial and mental criteria of offenders' personalities. It is undoubted of great value to establish a set of objective biological criteria or rules in the field of forensic psychiatry by using all available information that can be obtained by biological means, such as medical imaging. Based on the widely accepted dysconnectivity hypothesis of schizophrenia and the recent progress in brain connectomics, in this proposal, the first step is to construct the structural and functional brain networks, and then the brain connection features will be analyzed; considering the heterogeneity of schizophrenia, we will introduce and improve the abstraction strategy of endophenotype, and the endophenotypes or the potential endophenotypes defined and chose from MRI measures of structural and functional brain networks. In the second step, the associations between these potential endophenotypes and the candidate gene polymorphisms will be tested and analyzed, the neural circuit mechanism of the risk genes of schizophrenic patients with violent aggressive behavior will be investigated. the third step of our proposed work includes, to apply the correlation between different model of endophenotypes or potential endophenotypes and the risk genes as the standard to reconstruct a weighted vector space; to improve the methods of radiomics and establish an analysis platform, based on a large sample of the classified patients’ medical images and the pathological history database; and to employ the machine learning techniques for features fusion and data mining. Finally, based on the supervised self-learning mechanism, the continuous improvement of schizophrenic identification in forensic psychiatry will be expected.

目前精神障碍的司法医学鉴定缺乏客观评价标准，鉴定结果受人为因素影响很大，探索一套客观的鉴定标准或辅助鉴定新方法无疑是非常有价值的。基于被广泛接受的精神分裂症“失连接假说”和新近的脑连接组学研究进展，本项目首先构建脑结构与脑功能网络，分析脑连接特征；考虑到疾病的异质性，引入并改进内表型的研究方法，筛选精神分裂症患者脑网络特征的潜在内表型；通过分析不同患者易感基因多态性与潜在内表型的相关性，探究具有暴力攻击行为精神分裂症易感基因通过大脑致病的神经环路，对不同模态的内表型或潜在内表型以其与易感基因的相关度为标准进行权重重构；借鉴并改进影像组学的研究方法，建立大样本分类患者影像与病历历史数据库基础上的分析平台，将携带权重的内表型和潜在内表型作为特征向量应用机器学习技术进行特征融合数据挖掘，在有监督自学习过程中不断提高精神分裂症司法医学鉴定的准确率，为精神障碍的法医学客观鉴定开辟一条新途径。

本项目的目的在于将精神分裂症的基因组学、脑连接组学和影像组学研究方法有机融合，进一步阐明精神分裂症发病的影像遗传学机制，提出了一种新颖的精神分裂症客观诊断方法。研究工作的主要亮点包括：.（1）首次将影像组学的研究思路引入到精神障碍的客观诊断与预后评估领域。迄今传统的医学影像诊断只看患者本人的影像记录。新近在医学影像诊断领域引起广泛关注的影像组学提出了不同于以往的影像诊断新思路，即一名患者的病情诊断及预后评估可以从大量同类患者的历史病案中获得信息支持。.（2）以精神分裂症为主要研究对象，将易感基因多态性与神经影像分析结合起来，进一步阐明了易感基因通过大脑致病的神经环路基础。我们提出的研究思路，在病因学的分子遗传学研究和精神症状之间架起一座桥梁，目的在于通过影像技术探究和评估基因多态性对大脑功能及行为的影响。用这种跨学科融合的方法研究精神分裂症的发病机制，具有明显的创新性。.（3）借助脑连接组学分析方法，重点关注了精神分裂症患者大脑不同脑区或功能核团之间的信息交互特征。基于被广泛接受和不断被证明的“失连接假说”，精神分裂症的发病是大脑不同功能区域或神经核团之间信息整合障碍导致的，采用脑连接组学研究精神分裂症的病因、诊断和预后是有科学依据的。.（4）提出了适应本项目特点的高维数据融合分类新方法。本项目提出了针对高维数据的随机森林诊断预测模型，适应精神分裂症的客观诊断过程中提取的高维数据信息，包括临床症状、认知量表记录、易感基因多态性、影像结构特征、功能网络特征等，同时构建了一个可自学习的高维数据特征数据库，确立基于数据挖掘和有监督的自学习机制，提高了鉴别诊断的准确率。.以上工作显示，本项目研究基本上完成了原定的研究任务。研究工作将形成一套规范的个性化诊断精神分裂症的大数据科学系统，为我国个性化诊断精神疾患提供系统框架和技术平台支撑。