强迫症的预测：神经生物学辅助特征设计与交叉诊断转移学习的重要性

论文总结

一、研究背景

强迫症（OCD）临床异质性高、共病多，仅靠症状诊断可靠性不足；静息态 fMRI 可辅助精神疾病机器学习诊断，但过往研究样本小、泛化性差。
现有神经网络自动提取特征缺少神经生物学先验知识，模型可解释性弱；精神疾病存在共享脑异常，跨诊断迁移学习具备可行性。
团队前期提出 EMPaSchiz 集成框架用于精神分裂症（SCZ）识别，本研究拓展至 OCD 诊断。

二、数据集与实验对象

总样本 350 人：175 名 OCD 患者、175 名匹配健康对照（HC），均为右利手，排除运动伪影、脑部疾病、物质依赖等干扰。
额外使用无药物治疗 SCZ 数据集，用于跨诊断迁移学习；诊断依据 DSM-IV、MINI 量表，Y-BOCS 评估强迫症状严重程度。

三、核心方法

1. EMPaSchiz 多脑区分割集成模型

提取 6 类 fMRI 特征：3 局部指标（ALFF/fALFF/ReHo）+3 功能连接（FC 皮尔逊 / 偏相关 / 精度）；
采用 14 套大脑分区图谱，生成 84 个单源逻辑回归子模型，再集成训练最终分类器，线性模型可解释。

2. 三组对照神经网络（NN）

NN-1：原始 4D fMRI 直接输入，无人工特征设计；
NN-2：提取 ALFF/fALFF/ReHo，但不做脑区分割聚合；
NN-3：复用 EMPaSchiz 特征与分区，用全连接网络替代逻辑回归集成。

3. 跨诊断迁移学习

从 SCZ 模型 84 个子模型中筛选出 10 个有效子模型，直接迁移用于 OCD 分类，规避样本不足问题。

四、关键实验结果

OCD vs 健康对照分类
- EMPaSchiz 准确率 80.3%，灵敏度 82.7%，显著优于所有单一特征堆叠模型、三类神经网络（NN 最高仅 77%）；
- 仅用 SCZ 迁移的 10 个子模型训练 OCD 模型，准确率 93.1%，与完整 EMPaSchiz（91.8%）无统计学差异，性能几乎无损。
症状严重度预测
- 区分高 / 低强迫症状准确率仅 58.6%~64.1%，仅依赖 CSTC 环路特征效果更差，fMRI 难以区分症状轻重。
脑病理特征可解释结果
- OCD 患者局部脑活动（ALFF/fALFF/ReHo）在前扣带回、额顶叶、纹状体异常；
- 功能连接异常覆盖默认网络、突显网络、视觉 / 听觉 / 运动网络，脑区连接同步性紊乱。

五、核心结论

融合神经生物学先验知识（脑分区、多类 fMRI 指标）的 EMPaSchiz 线性集成模型，诊断 OCD 性能优于无先验的深度神经网络。
精神分裂症筛选的有效特征可跨诊断迁移至强迫症，大幅缓解神经影像研究样本稀缺难题。
EMPaSchiz 兼具泛化能力与可解释性，输出线性权重，便于临床医生理解脑影像诊断依据。
fMRI 仅能稳定区分 OCD 与健康人，难以精准预测强迫症状严重程度。

六、研究局限与未来方向

局限：单中心单一核磁设备、种族同质化；未测试 OCD 与其他精神疾病的鉴别能力；仅纳入少量共病患者；预处理流程单一。
展望：多中心、多疾病鉴别验证；拓展 OCD 与成瘾、双相等疾病的迁移学习；系统评估不同影像预处理方案对模型的影响。

摘要

背景：利用神经影像学的机器学习应用提供了一种多维度、数据驱动的方法，能够捕捉精神病学中客观辅助诊断和预后的复杂度。然而，从小训练样本中学到的模型通常具有有限的泛化性，这在强迫症（OCD）等心理疾病的自动诊断中依然存在。早期研究表明，结合脑功能神经生物学知识并结合来自多种来源的脑细胞组合，有可能提升整体预测。然而，目前尚不清楚这些基于知识的方法是否能提供与基于神经网络的最先进方法相当的性能。

方法：本研究基于350名受试者的静息状态功能性磁共振成像数据集，应用透明且可解释的多层分化集合学习框架EMPaSchiz（多重分析算法用于精神分裂症预测）来预测强迫症。此外，我们将转移学习应用于精神分裂症的有效特征，利用这些精神病诊断中大脑改变的共性。

结果：我们证明，基于知识的方法在强迫症诊断中的预测准确率达到80.3%，优于使用神经网络进行的领域无关和自动化特征设计。此外，我们展示了部分简化特征集可以从精神分裂症转移到强迫症预测模型，而预测表现不会有显著损失。

结论：本研究提出了一种基于神经生物学辅助特征设计的机器学习框架，利用静息态功能性磁共振成像实现强迫症预测，具有普遍性和合理解释性

引言

强迫症（OCD）是一种使人衰弱的疾病------第四常见的精神疾病，影响全球数百万人（1）。证据表明，可靠的诊断对于及时干预和改善患者整体生活质量至关重要（2）。然而，由于临床表现异质性（3）以及与其他精神疾病（包括双相情感障碍（5）和精神分裂症（SCZ）（6）的共病（4），准确诊断仍是个挑战。近年来，机器学习方法在精神病学应用中的应用日益加剧，常用于构建预测新受试者诊断的模型（7）。许多研究表明，大脑功能性磁共振成像（fMRI）具备足够的信息，能够生成模型，区分健康对照组（HC）受试者与多种精神疾病患者，如自闭症（8）、SCZ（9）、抑郁（10）和强迫症（11--17）（详见补充1表S2中的强迫症研究列表）。然而，大多数研究在小数据集上进行，参与者少于100人，既用于学习模型的学习，也进行了交叉验证（11--13,17）。样本量有限会严重限制此类模型的泛化性，事实上，许多人指出样本量小会导致性能指标被高估（18）。更大样本量（0.100）的研究报告强迫症预测表现范围在72%至79%之间（14--16）。虽然掌握足够信息以学习一个可推广模型至关重要，但从实际角度看，进行抽样数千名精神病患者的研究具有挑战性。因此，从有限的数据中尽可能提取相关信息对于构建可推广模型，特别是降低过拟合风险至关重要。我们早期的研究探讨了一种设计特征的方法------每一种结合多种基于区域连通性的测量指标之一和多种分化图谱（每个图谱都包含独特的先前神经生物学知识来源）------然后基于这些特征学习分类器。我们发现该框架称为EMPaSchiz（多重分区的精神分裂症预测集合算法，意为"Emphasis"），能够有效区分未接触药物的SCZ患者与头脑勺患者（19）。然而，这种方法尚未被探索以区分强迫症患者与头脑癌患者;OCD早期的机器学习研究（11--17）均未结合区域和连通性特征，也未采用集合方法联合学习多个区块。此外，早期研究尚未探讨此类知识驱动方法是否能提供与流行的机器学习神经网络（NN）方法相当的性能，后者通常以提供最先进的结果（20），尽管模型透明度较低（21），如EMPaSchiz。如今，精神疾病是根据患者当前或过去经历的一组症状的共识进行分类的。分类系统，如DSM，为全球临床医生提供了一个标准框架，用于识别、治疗和管理这些疾病（22）。然而，尽管大多数学者坚信精神疾病症状背后的病理学归因于神经通路及其接口轴的特征，但精神病学实践中的大多数临床决策既不基于病因机制（23），也不基于大脑结构或功能的动态方面（24）。数十年来对这些疾病神经病理理解的研究显示，脑部测量与临床分类之间仅存在弱且不明确的对应关系（25）。许多与某一精神疾病相关的脑区和网络似乎也涉及其他疾病（或至少共享一个共同子集）（26）。这一观察结果有望在学习模型时被利用，通过将一个疾病的数据集获得的知识转移给另一个疾病的诊断，其中预测一种精神疾病相关的特征可以用来预测另一种;这被视为一种迁移学习（27）。本研究选择将SCZ诊断学习模型获得的信息转移到强迫症诊断中。我们选择的两个动机因素是：1）SCZ和OCD被证明具有共同的静息状态特征（28）以及2）先前研究中观察到SCZ患者表现出共病强迫症状（29）。除了可推广性外，医疗领域的机器学习模型还必须展现出鲁棒性和可信度（30）。因此，构建能够提供可解释性的模型非常有价值，包括：1）支持模型正确性的辅助论据，2）对领域专家（如精神科医生）可解释的特征保持透明，3）可重复性，以确保模型在医疗诊断等高风险情境中可信赖。本研究将EMPaSchiz学习方法应用于强迫症与对照数据集，构建了一个能够诊断强迫症的模型，并通过实证证明EMPaSchiz的使用体现了上述部分观点。我们认为，这些因素与基于神经影像的机器学习方法在精神病诊断及医疗诊断领域的未来密切相关。本研究探讨了：1）EMPaSchiz方法是否能够生成能够以可解释方式准确预测强迫症的模型;2）基于先前神经生物学知识的定制特征设计（分细胞化），可以生成与知识无关的自动化方法（神经网络）相当的模型;3）通过学习SCZ诊断模型中选出的高层次特征，将通过学习SCZ诊断获得的信息转移到强迫症诊断中，用于预测强迫症任务。

方法和材料

数据集

我们的研究样本包含188名符合DSM-IV强迫症标准的患者，这些患者均在印度国家精神健康与神经科学研究院（NIS）的强迫症诊所就诊。强迫症的诊断是通过迷你国际神经精神病学访谈加（31）确定的，该访谈由另一位精神科医生通过独立临床访谈（YCJR或JCN）确认。我们使用耶鲁-布朗强迫症量表（32）来测量症状。 HC受试者从同一地区的健康志愿者中招募，以匹配年龄和性别。我们使用了200名年龄和性别匹配的头脑受访者，通过MiniInternational Neuropsychiatric Interview筛查以排除任何精神病诊断。对于患者和对照组，我们仅招募右撇子受试者，以避免差别手的潜在混淆。研究对象均无MRI禁忌症，亦无可能显著影响中枢神经系统功能或结构的疾病，如癫痫、脑瘫或暗示发育迟缓的病史。无终生史显示DSM-IV精神活性物质依赖或与失去意识超过10分钟的头部损伤相关病史。根据异常不自主运动量表评估，没有受试者出现异常运动（33）。孕妇或产后妇女被排除在外。补充资料1中的表S3详细列出了符合纳入研究条件受试者的人口统计和临床特征。除了强迫症和头痛患者外，我们还使用了药物未接触过的SCZ患者的数据集进行迁移学习分析。该队列已在我们之前的研究（19）中进行了分析，补充资料1的表S4提供了这些受试者的基本人口统计信息。关于图像采集和预处理的方法学细节见补充品1的F部分。我们基于过度头部运动（平移0.2毫米和/或旋转0.2）排除了8名患者和7名对照组的图像（34），以避免头部运动的类别差异。此外，由于影像或临床数据不完整，5名患者和18名对照组被排除。共计350名受试者：175名对照组和175名患者。我们在向所有受试者提供完整研究描述后，获得了书面知情同意。国家精神健康与神经科学研究所伦理委员会审查并批准了原始研究方案。阿尔伯塔大学埃德蒙顿分校的研究伦理委员会批准了对去标识化、预处理数据的二次分析。所有方法均按照相关指南和法规执行。

EMPaSchiz

我们使用EMPaSchiz来学习一个预测强迫症诊断的模型。EMPaSchiz系统的详细描述见原论文（19）。简而言之，EMPaSchiz提取了六个静息状态脑fMRI特征，包括三个基于区域的特征（低频波动幅度 $ALFF$ 、分数ALFFs $fALFFs$ 、区域均匀性 $ReHo$ ）和三个基于连接性的特征（使用每对区域之间的功能连接 $FC$ 矩阵 $见下文分区$ ，使用三种统计指标之一：FC-Pearson相关系、FC-部分相关或FC-精度）。ALFF以0.01至0.08 Hz频率范围内的总功率计算，以估算低频振荡的强度（35）。fALFF的计算方式是低频范围（0.01--0.08 Hz）内的功率除以整个可探测频率范围（36）的总功率。最后，ReHo 是通过 Kendall 对照系数（37）作为衡量给定体素时间序列与其最近邻时间序列相似度的度量（37,38）计算的。为了获得神经生物学相关的特征压缩，EMPaSchiz将每个特征提取投影到14个不同的分区方案上，每个方案基于特定的预定义脑图谱或一组感兴趣区域。这些方案在原则上差异很大：1）预定义的大脑结构本体论，如死后细胞结构（39,40）和磺回解剖（41,42），2）基于数据的数据建模功能特征，基于静息状态（43--45）或基于任务的（46）功能性磁共振成像，3）采用层次聚类（48）或独立成分分析（49）等分析技术进行荟萃分析（47）。14个预定义的脑分组方案分别是yeo（43个）、smith20、smith70（46个）、harvard_cort_25、harvard_sub_25（http://www.cma.mgh.harvard.edu/fsl_atlas.html）、MSDL（44个）、aal（39个）、basc_multiscale_122、basc_multiscale_197、basc_multiscale_325、basc_multiscale_444（48个）、destrieux（41个）、dosenbach（47个）和power（45个）。EMPaSchiz首先学习84个（14种分页方案，3 $3 1 3$ 特征类型）单源模型（SSM），每个模型应用L2正则化逻辑回归来学习一个分类器，用于数据的一种（特征类型，分馏）描述。然后，它对这些学习模型在训练集上产生的84个预测概率应用L2正则化逻辑回归，以学习最终的集合系统。在性能时，给定一个新实例，学习的系统首先会生成该新实例的84个描述，运行这84个SSM生成84个响应，并将这些值输入最终学习到的函数中，输出最终的强迫症与硬核标签。

神经网络

为了探讨将既有神经解剖学和神经功能知识融入特征设计和脑分化的重要性，我们比较了EMPaSchiz与神经神经网络（NNs）的表现，后者是目前最有效的方法之一。近期项目（50--63）利用神经网络模型和fMRI数据处理各种精神和神经任务，采用了多个连续卷积和最大池化层（具体网络架构不固定，但可依赖具体任务）提取高层特征。这些研究中的大多数（52,57--59,61--64）对原始fMRI数据生成的三维（3D）或二维数据进行了二维卷积。然而，少数研究（54--56,60）显示对fMRI数据（这里指整个大脑而非切片）应用三维卷积比使用二维卷积来产生准确预测器更有效。我们进行了三个层次的分析，每一步都增加了更多领域知识（见图1）。 NN-1：使用预处理的fMRI图像，无需人工设计特征。这里，我们输入完全预处理的四维fMRI图像，让NN-1自动从数据中学习相关特征。所学的NN-1模型对每个受试者的输入量为固定143 3 61 3 73 3 61，其中143为时间维度，其他三维为三维脑容量。该模型由两个三维卷积层组成，包含一个最大池层、三层长短期记忆和两个完全连通层。 NN-2：使用设计特征但无基于分隔的聚合的NN。本研究中，我们利用EMPaSchiz框架提取了三种不同特征类型（ALFF、fALFF和ReHo特征），但未基于脑细胞分化进行聚合。相反，NN-2 使用卷积 NN 分别预测三种特征类型的强迫症标签。学习中的NN-2模型接受固定输入大小为61 3 73 3 61。它由两个卷积层组成，其中一个最大池层和两个全连通层。 NN-3：利用设计特征和脑部结构进行神经网络。这里，我们采用了与EMPaSchiz类似的特征提取和分列方案。NN-3 没有采用简单且可解释的逻辑回归框架学习，而是在最后一步使用更复杂的 NN 方法。关键区别在于，神经网络可以通过反向传播更新下层权重，而EMPaSchiz则不能。对于每个受试者，所学的NN-3模型采用从EMPaSchiz框架衍生的84个特征集的串联向量，由四个全连通的维度层组成：1000、100、40和2。图1展示了这四个NN模型的架构。对于每个神经网络模型，我们使用整流线性单位作为每层的激活函数，交叉熵作为损失函数。为避免过拟合，训练期间去除了50%的层。我们使用最多1000个epoch来训练模型，并以100个epoch为早期停止标准，即每个训练epoch后计算验证误差，如果误差在100epoch期间未减小，则训练状态会被恢复100epoch。模型采用PyTorch（v.1.0.1）（65版）实现，并在配备Intel Xeon（R） CPU E5-1660、16GB RAM和12GB NVIDIA TITAN XP GPU的计算机上训练。我们选择了一个简化版的VGG-16（66）是因为完整架构极度限制内存，涉及数百个三维和四维张量训练（67）。

图1。利用神经网络（NN）-1、NN-2和NN-3进行强迫症分类的结构。（A） NN-1：两个卷积层，按顺序表示四个参数------核大小、填充、输入通道数和滤波器数量。接着是一个包含两个参数的最大池层，核大小和步幅。然后，在长短期记忆（LSTM）层之前的最大池化层的线性化输出有两个参数：层数和每层的单位数。（B） NN-2：模型参数以与NN-1类似的格式表示。在最大池化后，会有两个完全连通的层，每个层只有一个参数，即单元数量。（C） NN3：四个完全连通的层，参数为单元数。所有方法的最终输出层有两个节点，强迫症与健康对照组（每个测试对象，学习到的系统会返回此处计算值的极大值）。4D，四维;ALFF，低频涨落幅度;fALFF，分数ALFF;ReHo，区域同质性;Relu，整流线性单元。

跨诊断迁移学习

如上所述，我们之前使用EMPaSchiz来区分SCZ患者与头盔患者;该系统使用了相对较少的反星导弹。在这里，我们要问的是这些足以诊断SCZ的SSM是否足以诊断另一种精神疾病------强迫症。特别是，我们在学习预测强迫症时，限制了EMPaSchiz的SSM，仅限于SCZ预测模型中被选中的SSM。早期模型（19人）基于81名SCZ患者和93名头脑癌患者。我们的强迫症数据集也来自同一站点，最初包括175名强迫症患者和175名头脑癌患者。为避免因头顶组受试者重叠而产生偏差，我们特意排除了纳入SCZ研究的对照组，剩余88名头脑组受试者。在81名SCZ患者和93名头脑患者身上运行EMPaSchiz学习器 $SCZ预测模型结果可在其他地方获得（19）$ ，使用L1正则化技术只选取了84个SSM中的10个;随后，我们仅用选中的10个SSM运行该学习器，基于175名强迫症患者和88名患者的数据集，学习强迫症预测模型对照主体，与用于生成SCZ模型（SCZ_to_OCD转移模型）的HC主体不相交。我们还展示了涵盖所有头型头脑受试者（SCZ_to_OCD_CommonHC）;这些分析的样本分布见补充资料1的表S8。

模型评估

对于学习模型的评估，我们进行了五次重平衡交叉验证，分为五次洗牌迭代（80%训练集，20%测试集，共25次训练-测试分段）。模型在被保留折叠上的泛化表现通过准确性、灵敏度、特异性和精确度来估算。我们报告了这些指标的均误和标准误差，以及每种变体的25个训练测试分割中的混淆矩阵元素。

结果

OCD结果预测

EMPaSchiz算法通过5×5交叉验证，预测强迫症的准确率达到80.3%。该模型的敏感度为82.7%，精确度79.2%，特异性为77.8%。表1展示了EMPaSchiz算法的性能结果，以及仅从特定特征提取堆叠SSM的子模型。EMPaSchiz的性能明显优于这些子集堆栈模型（与最优的堆叠FC模型相比，精度为77.9%，t检验，p = 0.018）。图2展示了各种SSM预测变量、按分隔结构的堆叠模型和EMPaSchiz的准确性比较画像。我们样本中的强迫症患者症状严重程度差异较大，采用耶鲁-布朗强迫量表测量强迫思维（0至20的整数值）和强迫行为（0至20的整数值）。我们分别使用这些量表的前四分位和最后四分位，对症状最轻和最严重的患者进行了分类。随后，我们采用EMPaSchiz进行"一除外"交叉验证，预测高症状患者与低症状患者（多数组基线准确率接近50%）。我们采用了省略一除外交叉验证（而非五重验证）来处理本分析中可用受试者数量较少的情况。强迫思维的预测准确率为58.6%，强迫行为的预测准确率为64.1%精神病理学。鉴于表现不佳，我们将该表现与仅关注功能与结构神经影像研究（68--70）中持续被认定为强迫症相关脑区特征的模型进行了比较，该模型包括皮质-纹状体-丘脑-皮层（CSTC）回路的区域，即眼眶额叶皮层、前扣带皮层、前额叶皮层和腹侧纹状体（具体区域列于补充表S6和图S1中）1）CSTC的强迫思维预测准确率为58.6%，强迫行为为52.6%。详细信息见补充资料1的表S5和S7。

事先题模型可解释性

为了界定强迫症中的关键病理变化，我们通过根据特征的平均逻辑回归权重除以在25次交叉验证中生成的特定学习SSM中每个特征的标准误排序，估算特征在诊断预测中的重要性的可靠性。图3（分别为图4）突出展示了一些最可靠（0.98百分位或第99百分位）的特征，使用代表性图册来衡量区域静息状态指标（相应的连通性）。然而，由于我们的集合模型由84个SSM组成，这些描绘应被视为具有代表性的，不能作为强迫症预测的唯一重要特征。图4显示了强迫症患者与头脑癌患者相比的代表性变化，这些变化由最可靠特征提出。网络边缘显示FC中升高（红色）和抑制（蓝色）变化。面板展示了使用Dosenbach和MSDL图集的FC顶级特征的前99百分位。在Dosenbach图谱中，我们发现以下区域的FC减少：右侧前额叶皮层和左侧角回，右枕回和左后枕回，右额回和右顶内沟和右上顶叶小叶。在以下区域之间发现了FC增加：半球枕间回、右背前扣带皮层和左顶顶皮层，以及左侧基底节和左后顶皮层。这些差异表明额顶、扣骶骶、枕部和感觉运动网络存在异常。此外，使用MSDL图谱，我们发现以下区域的FC下降：L上额叶包括沟和左脑，以及内侧默认模式网络，以及右颞顶交界和左顶叶皮层。左下顶沟与双侧枕外侧皮层之间发现FC增高，左侧视觉皮层、右前岛叶和运动皮层，以及左岛叶和左侧听觉皮层。这些变化可能意味着多个分布式网络出现异常，如默认模式、语言、注意力、视觉、听觉、运动和显著性网络。

图2。比较单一来源模型与EMPaSchiz（误差条对应均值标准误差）的5个3个5折交叉验证预测准确度。ALFF，低频涨落幅度;fALFF，分数ALFF;FC_corr，功能连通性与皮尔逊相关性;FC_part，FC具有部分相关性;FC_prec，FC精准;ReHo，区域同质性。

图3。强迫症中关键的病理变化由最可靠的特征------区域活动的升高（红/橙）和抑制（蓝/紫）变化所暗示。面板上叠加了顶级地区特色的第98百分位，覆盖在玻璃脑子上。（A）左侧（左侧）前扣带带回、左侧腹直肌和右侧（右侧）中央旁小叶（侧腹直肌）低频波动幅度（ALFF）降低。（b）双侧下顶叶叶f高，左中额叶、左岛叶和左侧中央旁小叶（basc_multiscale_197）下fALFF。（C）左侧中额回的区域均匀性（ReHo）较高，双侧的下层ReHo和左侧中颞回（basc_multiscale_122）。

图4。通过Dosenbach（顶部）和MSDL（底部）图谱，最可靠特征提出强迫症的关键病理变化。网络边缘显示功能连接性变化升高（红色）和抑制（蓝色）变化。aPFC，前额叶前皮层;内层、岛屿;顶叶沟（IPS）;左左;右边是R;TPJ，颞顶交叉。

EMPaSchiz与神经网络方法的比较

我们比较了EMPaSchiz模型的性能与不使用特征类型和/或特征压缩（分隔）方法的神经网络技术。结果（参见图5）显示，EMPaSchiz模型优于这些NN-1方法（配对t检验，p，0.001）、NN-2方法（ALFF：t检验，p=.011，fALFF：配对t检验p，.001，ReHo：配对t检验，p=.005）和NN-3方法（配对t检验，p，.001）。表2展示了不同神经网络模型的5个3个5折交叉验证预测表现。

迁移学习：基于SCZ模型的特征选择

为了处理SCZ任务，EMPaSchiz的L1正则化只选中了84个SSM中的10个;我们的SCZ_to_OCD转移模型在处理强迫症任务时仅使用这些SSM。这只包括两种特征类型：FC-皮尔逊相关和FC精度。分层类型包括aal、dosenbach、harvard_cort_25、MSDL、power、basc_multiscale_122、basc_multiscale_197、basc_multiscale_325和basc_ multiscale_444。更多信息见补充资料1的表S9。当我们将强迫症学习模型限制为仅集合这10个SSM时，OCD模型的准确率为93.1%（见表3）（但请注意，由于类别不平衡，我们预期基线表现更高，66.5%：OCD = 175，HC = 88）。有趣的是，我们发现该SCZ_to_OCD模型在强迫症预测中，在统计显著性裕度内与重新训练的原始EMPaSchiz相当（准确率：91.8%）。补充版1中的表S10提供了SCZ_to_OCD_CommonHC转移模型的结果。此外，为了完善，还提供了从OCD到SCZ转移学习模型的结果（见补充资料1中的表S11--S13）。

讨论

根据研究观察，我们得出以下结论：1. 我们的EMPaSchiz算法预测强迫症的准确率为80.3%，优于使用任何特征类型或分区方案的基础模型。2. 基于先前神经生物学知识的特征设计（分细胞化）比不可知性和自动化特征设计（神经网络）更优。3. 单一来源特征集的选择可以从SCZ转移到OCD预测模型，而不会显著影响预测性能。4. EMPaSchiz 提供了一个可推广且合理可解释的线性模型，利用人类专家的理解特征和模型结构。由于许多精神疾病通常表现为多种重叠症状，可靠的临床诊断是一项具有挑战性的任务（71）。在这里，我们展示了一个基于大量神经解剖和神经生理学研究中既有神经生物学信息的计算框架，并能提供约8成匹配受训精神科医生的诊断表现。在该队列中，患者由两位经验丰富的精神科医生（YCJR和JCN）独立评估并同意诊断结果。早期研究表明，诊断工具如DSM/ICD并不总是可靠，精神科医生对诊断意见也不总是一致，在某些情况下，联合评级的一致度低至0.2至0.4（班内kappa）（72,73）。基于此，有人可能会认为，预测准确率达到80%的机器已经足够接近人类的表现。因此，这项技术值得通过更大的数据集和更复杂的算法进一步探索。然而，这并非简单的比较，因为临床医生的决策基于对临床症状群的共识，而机器学习模型基于功能性磁共振成像（fMRI），临床医生无法通过视觉区分。然而，希望通过客观的实验室测量（如fMRI图像）来确立临床诊断，因为这能增强疾病实体的可重复性（25）。遗憾的是，鉴于早期证据表明此类脑部测量与精神疾病的临床分类仅有较弱的对应（24）。 EMPaSchiz的交叉验证预测表现为80.3%，在所有早期使用fMRI或其他神经影像技术的强迫症预测研究中排名最高，样本量超过100名受试者（14--16,74,75）。早期基于fMRI的强迫症预测研究既未结合区域特征和连通性特征，也未像我们这样采用集合方法共同学习多个分细胞。大多数使用单一特征类型 $如ALFF、fALFF、ReHo或FC-Pearson相关性（11,12,14--17）$ ，以及其中一个预定义图谱（例如，BrainVISA Sulci图谱、解剖自动标记图谱、哈佛-牛津图谱）（13,14）。还有一些研究利用群无关成分分析（12）、基于图的方法（13）以及点积和余弦等相似度指标（11）提取了功能网络。其他研究（74--79）则分别使用结构性磁共振成像或扩散张量成像，聚焦全脑解剖结构变化和白质异常，主要特征包括灰质体积、白质体积、分数各向异性和内侧扩散率。常用的降维方法有PCA、核PCA和MRMR（最小冗余最大相关性（80）），而分类算法则是支持向量机，逻辑回归和线性判别分析（详见表S2，具体针对每项研究）。虽然诊断预测的高表现令人鼓舞，但请注意，对于受过训练的精神科医生来说，区分强迫症患者与健康个体可能较为容易，尤其是在根据症状维度或严重程度识别亚型时。本研究的患者未合并精神病、双相情感障碍及其他强迫症相关障碍，如身体变形障碍、拔毛障碍或剥离障碍。样本中只有少部分存在抑郁和焦虑共病（当前抑郁，n = 21 $13.8%$ ;当前焦虑，n = 8 $5.3%$ ）。值得注意的是，患有强迫症并存病患者的比例较小，因此可能未影响研究结果的特异性。然而，我们在识别严重病例的学习模型实验中仅取得了一定成功。虽然预计将模型聚焦于CSTC脑区（这些区域在强迫症文献中最常见，68--70页）可能提高症状严重度的预测，但我们对CSTC区域的实验显示其表现不如EMPaSchiz。我们在补充篇1的G节讨论了可能的原因。算法用来区分健康大脑的强迫症表型，可能与强迫症的严重程度无关。所识别的表型可能代表性状，且可能不依赖于状态。或者，这些结果也可能表明fMRI数据可能信息不足，无法在我们的训练规模和算法范围内进行更复杂的精神病学决策。为了简化这些计算模型的临床分析，希望它们能够证明其可信度。临床医生更倾向于使用基于熟悉的解剖脑区和众所周知特性（如FC和区域同质性）的模型。他们还偏好使用易解算法的模型，例如特征的线性组合。EMPaSchiz 的基本算法是先验可解释的，因为它使用了逻辑回归分类器，这些分类器本质上是可解释的，因为它们涉及特征的线性组合（81）。此外，模型的决策可以被视为概率性。所学权重显示了每个特征对最终决策的贡献程度，从而帮助临床医生和研究人员理解导致决策的因素。我们的研究面临着大多数精神病学机器学习研究的普遍局限：其基本真相本身可能难以用当前精神病分类作为单一疾病构念的有效性来界定。虽然我们的方法正确区分了强迫症患者与HC患者，但我们尚不清楚是否能区别区分强迫症与其他精神疾病。本研究结果实际上并未证明诊断预测的特异性，这对临床医生帮助诊断非常有用;这可能是未来的潜在方向。此外，我们的数据是用一台MRI扫描仪采集的，样本来自较为同质的族裔。我们尚不清楚它在跨混合人群和共病的多中心数据中是否会有类似表现。此外，我们承认我们的处理流程只是众多合理管道中的一个（82,83）。与其他机器学习研究类似，关于我们模型性能的报道仅适用于按描述处理的fMRI图像。尽管如此，不同去噪管道选择（如全局信号回归、滤波和擦除）对预测性能的潜在影响仍需系统评估（84）。鉴于这些处理选项参数空间较广，我们认为如此系统分析值得未来单独开展研究。随着训练数据集规模的增加，机器学习模型能产生更准确的预测;因此，样本量充足至关重要（85）。我们的研究共计350名受试者（175名强迫症患者和175名HC患者），这是迄今为止机器学习中使用的最大强迫症数据集 $此前最大样本量为204人（102名强迫症患者和100名HC患者），预测表现为76.6%（74）$ 。我们的研究还提供了另外两个新颖的观察。首先，它表明，具有神经生物学启发特征的简单线性模型优于复杂的神经网络模型，尽管这些模型可以自动设计出可能利用非线性相互作用的新特征。尽管EMPaSchiz与NN-3相同的w252,000维数据训练，但我们预期EMPaSchiz的工作更好，主要有两个原因：1）EMPaSchiz利用先前的神经信息，将提取的特征值合并到基于已知分区方案的连贯结构或功能的脑区或网络中;而NN-3（考虑所有可能的特征组合）则不使用这些信息， 2）由于NN-3是全连通的，它必须满足大约是EMPaSchiz的1000倍权重（2.53亿对25.3万），这对该数据集似乎会导致过拟合。因此，EMPaSchiz模型既更准确，也更易于解释。其次，我们展示了精神病学应用中的跨诊断迁移学习。我们证明，通过预训练模型，使用受不同精神疾病影响的受试者（我们为例为SCZ），可以显著降低特征工程数据处理的复杂性，同时仍保持早期性能准确性。我们的结果表明，这种技术可以用来应对基于fMRI的机器学习研究中样本量有限的问题。我们假设这种迁移学习在此背景下有效，因为潜在的脑部异常在多种精神疾病中是共享的（26）。未来的研究可能会尝试在其他疾病群体中复制这些发现，例如强迫症与其他强迫障碍（如酒精成瘾或饮食失调），以及SCZ和双相情感障碍之间的研究。

图5。EMPaSchiz与神经网络（NN）方法的性能比较。ALFF，低频涨落幅度;fALFF，分数ALFF;Reho，区域同质性。