Nature子刊：馮建峰/程煒團隊開發(fā)機器學習模型，識別自殺行為風險因素

熱門推薦：公共衛(wèi)生 , 心理健康 , 生物學 ,

來源：生物世界

2024-07-04

自殺行為已經(jīng)成為全球范圍內(nèi)一個嚴峻的公共衛(wèi)生問題，給社會帶來了巨大壓力和挑戰(zhàn)。據(jù)世界衛(wèi)生組織統(tǒng)計，每年約有70萬人因自殺而死亡，平均每45秒就有一人自殺。這不僅給逝者的家屬和朋友帶來了深深的悲痛，還對社會的經(jīng)濟和醫(yī)療資源造成了沉重負擔。

自殺行為已經(jīng)成為全球范圍內(nèi)一個嚴峻的公共衛(wèi)生問題，給社會帶來了巨大壓力和挑戰(zhàn)。據(jù)世界衛(wèi)生組織統(tǒng)計，每年約有70萬人因自殺而死亡，平均每45秒就有一人自殺。這不僅給逝者的家屬和朋友帶來了深深的悲痛，還對社會的經(jīng)濟和醫(yī)療資源造成了沉重負擔。

自殺行為背后的風險因素復雜多樣，包括心理健康問題、社會經(jīng)濟壓力、文化因素等，因此，深入研究和識別這些風險因素，對于預防和干預自殺行為至關(guān)重要。通過了解自殺行為的風險因素譜，我們可以更有針對性地制定預防策略，提升社會整體的心理健康水平，挽救更多的生命。

2024年7月2日，復旦大學類腦智能科學與技術(shù)研究院馮建峰教授/程煒研究員團隊（博士后張蓓為第一作者）在 Nature 子刊 Nature Human Behaviour 上發(fā)表了題為：Identifying behaviour-related and physiological risk factors for suicide attempts in the UK Biobank 的研究論文。

該研究基于英國生物樣本庫（UK Biobank）30多萬人的行為學、神經(jīng)影像組學、血液和代謝組學及蛋白組學數(shù)據(jù)，通過多組學關(guān)聯(lián)分析，全面評估與自殺行為關(guān)聯(lián)的多維度風險因素，最終識別出與自殺行為及其遺傳易感性顯著關(guān)聯(lián)的246個行為學風險因素和200個生物學風險因素，如社會經(jīng)濟環(huán)境、生活方式、身心健康、童年經(jīng)歷和腦灰質(zhì)體積等。在此基礎(chǔ)上，研究團隊開發(fā)了一種基于行為學特征的機器學習判別模型，在區(qū)分有無自殺行為上表現(xiàn)出高判別力（AUC=0.909）。該研究對自殺行為的多維度風險因素識別提供了全面的見解，有助于自殺行為的早期預警和個性化干預。

Identifying behaviour-related and physiological risk factors for suicide attempts in the UK Biobank 的研究論文

研究團隊基于UK Biobank數(shù)據(jù)，首先估算了334706名參與者的自殺行為的多基因風險評分（polygenic risk scores，PRS），對涵蓋12個不同類別的行為學和生物學因素（2291個）進行全表型關(guān)聯(lián)分析（phenome-wide association study，PheWAS），最終識別了與自殺行為遺傳易感性顯著關(guān)聯(lián)的246個行為學風險因素（63.07%）和200個生物學風險因素（10.41%）。

圖1：研究的總體思路

其中，與自殺行為PRS顯著關(guān)聯(lián)的行為學風險因素（圖2A）主要包括生活方式、心理健康、社會經(jīng)濟環(huán)境、軀體健康等類別。較高的自殺行為PRS與較低的社會經(jīng)濟環(huán)境等因素有關(guān)，比如家庭收入、居住質(zhì)量、工作方式以及教育水平等。此外，較高的自殺行為PRS也和不良的生活方式有關(guān)，比如睡眠問題、吸煙飲酒行為、飲食習慣、電子設(shè)備使用行為等。此外，較高的自殺行為PRS也和身心健康狀態(tài)有關(guān)，比如較高的自殺行為PRS和軀體疾?。ㄈ缈傮w健康狀況、癌癥、糖尿?。┮约靶睦頎顟B(tài)（抑郁癥狀、創(chuàng)傷事件、神經(jīng)質(zhì)評分）等因素有關(guān)。

圖2：PheWAS分析中與自殺行為PRS關(guān)聯(lián)的行為學表型（圖A）和病例-對照分析中與自殺行為關(guān)聯(lián)的行為學表型（圖B）

對于顯著識別的200個生物學風險因素，涵蓋20個神經(jīng)影像學表型（包括13個腦區(qū)的灰質(zhì)體積和7個腦區(qū)的白質(zhì)微結(jié)構(gòu)）、76種血液和代謝生物標志物和104種蛋白標志物。具體而言，在影像學表型上，較高的自殺行為PRS和較低的灰質(zhì)體積相關(guān)，包括右側(cè)島葉、杏仁核、腹內(nèi)側(cè)前額葉皮層、內(nèi)側(cè)和外側(cè)眶額皮層、緣上回、左側(cè)顳上回、雙側(cè)中扣帶回等（圖3A）。此外，較高的自殺行為PRS與白質(zhì)微結(jié)構(gòu)的各向異性（Fractional Anisotropy）降低（涉及胼胝體輻射線額部纖維束、內(nèi)側(cè)丘系纖維束和上后部丘腦輻射纖維束）顯著相關(guān)（圖3B）。

圖3：PheWAS分析中與自殺行為PRS顯著關(guān)聯(lián)的神經(jīng)影像學標志物

在血液和代謝表型上，較高的自殺行為PRS與較高的白細胞指數(shù)（如白細胞和淋巴細胞計數(shù)）和紅細胞指數(shù)相關(guān)（圖4A）。在血液生化方面，較高的C 反應蛋白、甘油三酯和γ-谷氨酰基轉(zhuǎn)移酶以及較低的 IGF-1、維生素 D 和高密度脂蛋白膽固醇與較高的自殺PRS 呈顯著相關(guān)（圖4A）。此外，研究團隊還發(fā)現(xiàn)104 個蛋白與自殺PRS呈顯著相關(guān)（圖4B）。相對于其他類別蛋白，炎癥蛋白與自殺PRS的關(guān)聯(lián)更為明顯，其中 BTN3A2 和 CXCL17 的關(guān)聯(lián)最為顯著。

圖4：PheWAS分析中與自殺行為PRS顯著關(guān)聯(lián)的血液和代謝標志物以及蛋白標志物

其次，為了驗證這些風險因素，研究團隊對3,558名自殺未遂個體和149,976名對照個體的所有表型進行邏輯回歸分析，發(fā)現(xiàn)83%與自殺行為PRS關(guān)聯(lián)的行為風險因素得到驗證（圖2B）。

隨后，研究團隊利用孟德爾隨機分析探究以上關(guān)聯(lián)的表型與自殺行為之間潛在的因果關(guān)系。研究結(jié)果發(fā)現(xiàn)57個行為學因素（主要包括神經(jīng)質(zhì)、抑郁程度、首次性行為年齡、抽煙、家庭收入情況、身體健康狀況等）和1個生物學因素（即白細胞計數(shù)）是導致自殺行為形成的潛在因果因素（圖5）。針對導致自殺行為形成的行為學風險因素，研究團隊進一步利用中介分析探究了這些行為學因素潛在的生物學基礎(chǔ)。

圖5：風險因素與自殺行為之間潛在的因果關(guān)系（部分）

最后，研究團隊開發(fā)了一種基于行為學、代謝組學和蛋白組學的機器學習判別模型（圖6），用以區(qū)分是個體是否發(fā)生自殺行為。研究發(fā)現(xiàn)基于16種行為學特征的分類模型在區(qū)分有無自殺行為上表現(xiàn)出高判別準確性（AUC=0.909）。其中，最重要的預測因素包含：是否遭受精神痛苦、是否感到毫無價值、首次抑郁發(fā)作時的年齡、是否因焦慮或抑郁看精神病醫(yī)生、以及是否在抑郁期間產(chǎn)生死亡想法。這個結(jié)果強調(diào)，患有精神痛苦是識別有無自殺行為史個體的最關(guān)鍵預測因子。這一結(jié)果與Shneidman在1993年提出的假設(shè)相一致，即心理痛苦是導致自殺行為的一個重要誘發(fā)因素。

圖6：基于行為學特征的機器學習分類模型預測因子的重要度排序和預測準確度

論文共同通訊作者，復旦大學類腦智能科學與技術(shù)研究院馮建峰教授表示，這項研究開發(fā)了一個基于行為學特征的機器學習模型。排名前16位的預測因子在區(qū)分有無自殺行為的個體方面表現(xiàn)出很高的辨別準確性。這可能有助于識別未來識別自殺高危人群。除了精神痛苦以及抑郁癥相關(guān)的預測因子外，主要的行為學預測因子是個體的童年經(jīng)歷和性侵犯受害者。這些因素為臨床醫(yī)生制定更好的預防策略提供了潛在的可操作目標。

劍橋大學 Barbara Sahakian 教授評論道：自殺不僅是一種悲慘的生命損失，同時也會給家人和朋友帶來巨大的打擊。這項研究確定了自殺行為的關(guān)鍵風險因素，讓我們更加了解如何識別易受影響的個體并進行干預以挽救生命。

如果這篇文章侵犯了您的權(quán)利，請聯(lián)系我們。

相關(guān)文章

專欄推薦