動的因果モデルを用いた精神病障害の経路の推測

はじめに：病気の経過は精神障害を区別する上で重要な役割を果たします。しかし、既存の診断基準はその最も基本的な特徴（例：症状の順序、期間）しか考慮していません。私たちは、密な時間系列データを使用して経過パターンをより完全に特徴付ける動的因果モデル（DCM）を開発しました。この基礎的な研究は新しいモデリングアプローチを紹介し、実証データとシミュレーションデータを用いてその妥当性を評価します。方法：潜在的な動態がうつ病、躁病、精神病の症状をどのように生成するかをモデル化するために三層DCMを構築しました。このモデルは、入院初期から四年間にわたって前向きに収集された九人の患者の症状スコアに適合させました。これらの実証データに基づくシミュレーション対象を用いて、被験者レベルでモデルパラメータを評価しました。グループレベルでは、パラメトリック実証ベイズ（PEB）と留一交差検証を用いて、DCMが潜在的な経過パターンを推定する精度をテストしました。結果：実証データの分析結果は、DCMがすべての九人の被験者の症状経路を正確に捉えたことを示しました。シミュレーション結果は、パラメータが正確に推定できる（生成パラメータと推定パラメータの相関 >= 0.76）ことを示しました。さらに、このモデルは異なる潜在的経過パターンを区別でき、PEBは九つの経過パターンのうち八つのシミュレートされた患者を正しく割り当てました。特定の二つの経過パターンのペアを留一交差検証でテストした際、36ペア中30ペアは真のグループメンバーシップと推定されたグループメンバーシップ値の間に中程度または高い外的相関を示しました。結論：DCMは神経科学の分野で神経イメージングデータから潜在的な神経過程を推測するために広く使用されています。我々の発見は、症状経路をモデル化するためにこの方法論を採用する可能性を強調し、病理学的実体を明文化し、それらを定義する時間的パターンを解明し、個別化治療を促進します。