Allostatik yük (allostatic load, AL) uzunmüddətli uyğunlaşma və stress prosesləri ilə əlaqəli fizioloji nizamsızlığı tək bir orqan və ya tək bir laboratoriya dəyəri əvəzinə bir neçə bioloji sistem üzrə birlikdə təmsil etməyi hədəfləyən mürəkkəb ölçmə yanaşmasıdır. Bu tədqiqat klinik psixiatrik pozuntusu olmayan 85 gənc yetkində psixometrik olaraq müəyyənləşdirilmiş şizotipal xüsusiyyətlər (Positive Schizotypy Factor Group, PSF), siklotimik xüsusiyyətlər (Cyclothymia Factor Group, CF) və nəzarət qrupu (CG) arasındakı 21 biomarkerlik allostatik yük nümunələrini Random Forest və SHapley Additive exPlanations (SHAP) istifadə etməklə araşdırmışdır. Maşın öyrənməsinin əsas məqsədi klinik diaqnoz yaratmaq deyil, hansı biomarkerlərin qrup fərqləndirilməsinə daha çox töhfə verdiyini kəşfiyyat xarakterli şəkildə sıralamaqdır.

Nümunə 18–25 yaş aralığındakı 710 sağlam universitet tələbəsindən başlayan skrininq prosesi sonunda formalaşdırılmışdır. Yekun analizdə 30 PSF, 25 CF və 30 nəzarət iştirakçısı var. Biomarker paneli antropometrik, ürək-damar, qlükoza metabolizması, immun, lipid metabolizması, neyroendokrin, oksidativ və renal sistemləri əhatə edir. Qruplar arasında sistem səviyyəsində əhəmiyyətli fərq yalnız oksidativ sistem üçün bildirilmişdir (p=0.014). SHAP analizlərində sidik turşusu müxtəlif müqayisələrdə təkrar-təkrar yüksək sıralarda yer almış və xüsusilə PSF–CF fərqləndirilməsində ən təsirli xüsusiyyət olmuşdur.

PSF ilə CF-ni fərqləndirmək üçün SHAP vasitəsilə seçilmiş Top-10 panel leave-one-subject-out doğrulamasında %63.6 dəqiqlik və 0.625 AUC vermişdir. Lakin AUC-nin %95 etibar intervalı 0.469–0.768-dir və 200 etiket permutasiyası ilə aparılan testdə p=0.055 tapılmışdır. Bundan əlavə, xüsusiyyət seçimi və panel qiymətləndirilməsi eyni kohort üzərində aparılmış və müstəqil xarici doğrulama həyata keçirilməmişdir. Buna görə nəticələr şizofreniya və ya bipolyar pozuntunun diaqnozu, klinik skrininqi və ya fərdi risk proqnozu kimi deyil, klinik olmayan şəxsiyyət xüsusiyyətləri ilə əlaqəli fizioloji nümunələr üçün hipotez yaradan biomarker tədqiqatı kimi qiymətləndirilməlidir.

Tədqiqatın əsas elmi problemi

Şizotipal xüsusiyyətlər qeyri-adi perseptiv təcrübələr, koqnitiv-perseptiv fərqliliklər və şəxslərarası funksiyalardakı bəzi variasiyalarla əlaqəli ölçüvi xüsusiyyətlərdir. Siklotimik xüsusiyyətlər isə əhval, enerji və fəaliyyətdəki dalğalanmalarla əlaqəli temperament xüsusiyyətlərini ifadə edir. Bu tədqiqatdakı iştirakçılar şizofreniya və ya bipolyar pozuntu diaqnozu qoyulmuş xəstələr deyillər. Tədqiqatçılar psixometrik şkalalarla müəyyən edilmiş subklinik xüsusiyyətlərin çoxsaylı fizioloji sistemlərdə ölçülə bilən nümunələrlə birlikdə dəyişib-dəyişmədiyini araşdırmışdır.

Elmi sual tək bir “xəstəlik biomarkeri” tapmaq deyil. Tədqiqatın məntiqi ürək-damar, metabolik, neyroendokrin, renal, oksidativ və immun sistemlərdən gələn çoxsaylı dəyişənlərin birlikdə nəzərə alınmasının ayrı-ayrı göstəricilərdən daha izahlı fizioloji profil təmin edib-etmədiyini araşdırmaqdır.

Allostatik Yük Nədir və Bu Tədqiqatda Necə Hesablanıb?

Allostatik yük bir neçə fizioloji sistemdə risk istiqamətli biomarker dəyərlərini mürəkkəb bir balda birləşdirərək çoxsistemli fizioloji nizamsızlığı təmsil etməyə çalışan ölçüdür; bu tədqiqatda 21 biomarkerın hər biri risk istiqamətində yuxarı və ya aşağı kvartildə olub-olmamasına görə 0 və ya 1 balla qiymətləndirilmiş və ballar 0–21 aralığındakı ümumi AL indeksini yaratmaq üçün toplanmışdır.

Mənbədə tənlik formasında çap edilməsə də, metodun riyazi məntiqi aşağıdakı kimi ifadə edilə bilər:

\[ AL=\sum_{j=1}^{21} I_j \]

Burada \(I_j\), j-ci biomarker üçün ikili risk göstəricisidir. Mənbə metoduna görə müvafiq göstərici sağlamlıq riski yüksək dəyərlərlə əlaqəlidirsə yuxarı kvartil, aşağı dəyərlərlə əlaqəlidirsə aşağı kvartil risk istiqaməti kimi istifadə olunur. Risk kvartilində olan göstərici 1, əks halda 0 alır. Beləliklə, yüksək ümumi AL balı daha çox çoxsistemli fizioloji nizamsızlıq kimi şərh olunur.

21 biomarker hansı fizioloji sistemləri təmsil edir?

Bu paneldəki göstəricilər şizofreniya və ya bipolyar pozuntuya xas diaqnostik testlər kimi seçilməmişdir. Mənbənin məqsədi allostatik yük ədəbiyyatında geniş təmsil olunan fizioloji sistemləri birlikdə qiymətləndirməkdir.

İştirakçılar necə seçilib?

Başlanğıc hovuzu University of Szeged-də təhsil alan 18–25 yaşlı tələbələrdən ibarət olmuşdur. İştirakçıların ilk iki universitet ilində diaqnoz qoyulmuş psixi pozuntusunun olmaması əsas çərçivədir. Mövcud və ya keçmiş psixiatrik pozuntu, maddə sui-istifadəsi, nevroloji vəziyyətlər, huş itkisinə səbəb olmuş baş travması və neyrokoqnitiv funksiyanı təsir edə biləcək tibbi vəziyyətlər xaricetmə çərçivəsinə daxil edilmişdir.

Psixometrik qruplar necə yaradılıb?

Şizotipal xüsusiyyətlərin qiymətləndirilməsində 43 maddəlik qısaldılmış macar Oxford-Liverpool Inventory of Feelings and Experiences (O-LIFE), sayıqlama düşüncəsinə meyllilikdə Peters Delusions Inventory (PDI), affektiv temperamentdə TEMPS-A və bipolyar spektr skrininqində Mood Disorder Questionnaire istifadə edilmişdir. Cari və həyatboyu psixiatrik pozuntuların qiymətləndirilməsində strukturlaşdırılmış DSM müsahibəsi istifadə edilmişdir.

Mənbə PSF qrupunu O-LIFE ≥5, PDI-21 >10 və TEMPS-A Cyclothymia <12 dəyərləri ilə müəyyənləşdirir. CF qrupu üçün O-LIFE <6 və TEMPS-A Cyclothymia =11 meyarları bildirilmişdir. Nəzarət qrupunda psixopatoloji sapma bildirilməmişdir. Bu hədlər cari tədqiqatdakı trait qruplarını yaradır; klinik xəstəlik diaqnozu mənasına gəlmir.

Random Forest və SHAP Bu Tədqiqatda Nə Üçün İstifadə Edilib?

Random Forest və SHAP bu tədqiqatda klinik diaqnoz yaratmaqdan çox, 21 biomarkerın PSF, CF və nəzarət qrupları arasındakı fərqləndirməyə nisbi töhfəsini kəşfiyyat xarakterli şəkildə sıralamaq üçün istifadə edilmişdir; Random Forest qeyri-xətti sinif sərhədlərini öyrənərkən SHAP hər biomarkerın model çıxışına töhfəsini şərh edilə bilən feature-importance ölçüsünə çevirmişdir.

Üç ikili Random Forest modeli

Tədqiqatçılar tək üç-sinifli model əvəzinə üç ayrı ikili müqayisə qurmuşdur:

1. Nəzarət qrupu ilə CF qrupunun fərqləndirilməsi.
2. Nəzarət qrupu ilə PSF qrupunun fərqləndirilməsi.
3. PSF qrupu ilə CF qrupunun fərqləndirilməsi.

Bu yanaşmanın məqsədi hər sinif sərhədində hansı biomarkerlərin önə çıxdığının daha asan şərh edilməsidir. Random Forest bootstrap nümunələrindən çoxsaylı qərar ağacı yaratmış; hər bölünmədə xüsusiyyətlərin təsadüfi alt çoxluğunu qiymətləndirmiş və son qərarı səs çoxluğu ilə vermişdir.

Modelin ilkin emalı və hiperparametr yanaşması

Mənbə müşahidələrin tam olduğunu və əlavə məlumat ilkin emalına ehtiyac olmadığını bildirir. 21 biomarker arasındakı kovariasiya strukturu model təlimindən əvvəl araşdırılmış və r>0.8 səviyyəsində güclü korrelyasiya olmadığı bildirilmişdir. Qrup ölçüləri 25–30 arasında olduğundan oversampling, undersampling və ya sinif çəkisi istifadə edilməmişdir.

Random Forest-ın standart hiperparametrləri istifadə edilmişdir. Kiçik nümunədə eyni məlumat üzərində hiperparametr seçiminin feature-importance nəticələrini optimistləşdirməsini azaltmaq üçün tuning aparılmamışdır. Mənbəyə görə 21 xüsusiyyət olduğundan hər qərar ağacı bölünməsində təxminən 4–5 xüsusiyyət namizəd kimi qiymətləndirilmişdir.

LOSO doğrulaması nə işə yarayır?

Leave-one-subject-out (LOSO) cross-validation hər addımda bir iştirakçını test üçün ayırıb digər bütün iştirakçılar üzərində model öyrədərək prosesi bütün iştirakçılar üçün təkrarlayan doğrulama üsuludur. Kiçik məlumat dəstlərində təlim üçün mümkün qədər çox iştirakçını saxlayarkən test müşahidəsinin təlimdən ayrı tutulmasını təmin edir.

Azaldılmış panel nəticələri üçün LOSO prosesi iştirakçı başına 400 Random Forest yenidən təlimi ilə təkrarlanmışdır. Performans etibar intervalları 2000 təbəqələşdirilmiş bootstrap yenidən nümunələmə ilə bildirilmişdir.

SHAP dəyərləri necə şərh edilməlidir?

SHAP dəyəri bir biomarkerın müəyyən model çıxışını hansı istiqamətdə və hansı dərəcədə dəyişdirdiyini izah edir. Böyük mütləq SHAP dəyəri modelin sinif qərarında həmin xüsusiyyətin daha təsirli olduğunu göstərir. Lakin yüksək SHAP dəyəri biomarkerın xəstəliyə səbəb olduğunu, bioloji olaraq ən vacib mexanizm olduğunu və ya klinik diaqnoz üçün təkbaşına kifayət etdiyini göstərmir.

SHAP işarəsi də bioloji olaraq “yaxşı” və ya “pis” mənasına gəlmir. İşarə modeldə hansı sinfin hədəf kimi kodlandığına görə müəyyən sinif istiqamətindəki töhfəni təmsil edir.

SHAP metodunda mənbədaxili hesabat fərqi

Mənbənin metod bölməsində bir izah ilkin SHAP analizinin bütün LOSO sınaqları və bütün iştirakçılar üzrə toplandığını və yalnız düzgün sinifləndirilən hallarla aparılan analizin həssaslıq testi olduğunu bildirir. Dərhal sonrakı abzas isə feature-importance hesablamasında sabit proqnozlaşdırılan şəxslərin saxlanıldığını və uğursuz proqnozların xaric edildiyini yazır. Məhdudiyyətlər bölməsi yenidən bütün iştirakçıların ilkin analizə daxil edildiyini dediyi üçün Verianla bu yanaşmanı əsas metod kimi saxlayır, digər abzası mənbədaxili metodoloji uyğunsuzluq kimi qeyd edir.

Bu Model Şizofreniya və ya Bipolyar Pozuntu Diaqnozu Qoyurmu?

Xeyr. Tədqiqatdakı PSF və CF sinifləri klinik şizofreniya və ya bipolyar pozuntu diaqnozları deyil, psixi pozuntusu olmayan gənc yetkinlərdə psixometrik şkalalarla yaradılmış şizotipal və siklotimik xüsusiyyət qruplarıdır; modelin dəqiqliyi bu trait qruplarını eyni kohort daxilində ayırma performansıdır və klinik diaqnostik dəqiqlik kimi istifadə edilə bilməz.

Mənbə Şəkil 4–6-nın bəzi başlıq və izahlarında qısaca “schizophrenia” və “bipolar disorder” terminlərindən istifadə etmişdir. Bununla birlikdə tədqiqat dizaynı və metod bölməsi qrupları açıq şəkildə PSF və CF trait qrupları kimi müəyyən edir. Buna görə Verianla klinik pozuntu etiketi əvəzinə tədqiqatın həqiqi ontoloji səviyyəsini, yəni şizotipal və siklotimik xüsusiyyətləri istifadə edir.

Tədqiqatın Metodu və Nəticələri

Sistem səviyyəsində allostatik yük fərqləri

Sistem səviyyəsində yalnız oksidativ sistem p=0.014 ilə fərqlənmişdir. Bu tapıntı təkbaşına hansı oksidativ göstəricinin səbəbkar rol oynadığını göstərmir; sonrakı SHAP analizlərində sidik turşusunun tez-tez üst sıralarda yer alması oksidativ sistem nəticəsi ilə model əsaslı feature-importance nəticəsinin eyni bioloji sahəyə işarə etdiyi yaxınlaşma kimi görülə bilər.

Şəkil 3: biomarker korrelyasiyalarının istiqaməti

Mənbə Şəkil 3, 21 biomarker ilə PSF və CF qrup üzvlüyü arasındakı Spearman korrelyasiyalarının istilik xəritəsidir. PSF üçün diastolik qan təzyiqi və sidik turşusu daha güclü müsbət əlaqələr göstərərkən qlükoza və eGFR daha güclü mənfi əlaqələr göstərmişdir. CF qrupunda nümunənin mühüm hissəsi əks istiqamətdədir: qlükoza və eGFR daha müsbət, diastolik təzyiq və sidik turşusu daha mənfi istiqamətdə əlaqəlidir.

Kortizol da iki trait qrupu arasında əks istiqamətli əlaqə nümunəsi təqdim etmişdir: CF ilə mənfi, PSF ilə müsbət; LDL isə bunun əks istiqamətində nümunə göstərmişdir. Bu korrelyasiyalar biomarkerlərin trait formalaşmasına səbəb olduğunu sübut etmir; yalnız eyni nümunədəki birlikdə dəyişmə strukturunu göstərir.

Hansı biomarkerlər SHAP analizində önə çıxıb?

Niyə sidik turşusu mərkəzi nəticədir?

Sidik turşusu həm korrelyasiya analizlərində, həm də bir neçə SHAP müqayisəsində təkrar olaraq önə çıxmışdır. Mənbə müəllifləri bu nümunəni oksidativ stress və purinerjik proseslərlə əlaqəli mümkün ortaq bioloji komponent kimi müzakirə edirlər. Lakin mövcud tədqiqat sidik turşusunun şizotipal və ya siklotimik xüsusiyyətləri yaratdığını, təkbaşına trait qrupunu müəyyən edə bildiyini və ya klinik xəstəlik biomarkeri olduğunu göstərmir.

Random Forest sinifləndirmə nəticələri

Nəzarət qrupunu CF və ya PSF-dən ayıran 21-biomarker modelləri güclü sinifləndirmə performansı göstərməmişdir. Tədqiqatın məqsədi də bu modelləri klinik classifier kimi tətbiq etmək deyil. Daha maraqlı nəticə PSF–CF fərqləndirilməsində azaldılmış Top-10 paneldir; lakin burada da AUC 0.625-dir və etibar intervalı 0.5 səviyyəsini əhatə edir.

Top-10 Biomarker Paneli Klinik İstifadə Üçün Doğrulanıbmı?

Xeyr. Top-10 panel eyni kohortda seçilmiş və qiymətləndirilmiş, müstəqil doğrulama nümunəsi istifadə edilməmiş və etiket-permutasiya testində birtərəfli p=0.055 tapılmışdır; buna görə %63.6 dəqiqlik klinik skrininq və ya diaqnostik performans kimi deyil, müstəqil kohortda sınaqdan keçirilməli kəşfiyyat xarakterli daxili nümunə nəticəsi kimi şərh edilməlidir.

Etiket permutasiya testi

Müşahidə edilən %63.6 dəqiqlik null paylanma ortalamasının üzərindədir; lakin p=0.055 ənənəvi 0.05 həddinin dərhal üzərindədir. Mənbə bunu “sərhəddə” və kəşfiyyat xarakterli nəticə kimi şərh edir. Buna görə panelin səs-küydən müstəqil və ümumiləşdirilə bilən klinik classifier olduğu nəticəsinə gəlmək olmaz.

Tam 21-biomarker AL indeksində qrup fərqləri

Kruskal–Wallis omnibus testi \(H=8.793\), exact p=0.012 kimi bildirilmişdir. Bonferroni düzəlişindən sonra CG–PSF fərqi əhəmiyyətli deyil (p_Bonf=1.000; Hedges' g=−0.15; Cliff's δ=−0.10). CG–CF fərqi də əhəmiyyətli deyil (p_Bonf=0.144; Hedges' g=0.63; Cliff's δ=0.31). PSF–CF müqayisəsi isə p_Bonf=0.007, Hedges' g=0.89 və Cliff's δ=0.47 ilə əhəmiyyətli olaraq qalmışdır.

Xülasə ilə nəticələr bölməsindəki p=0.007 fərqi

Mənbənin xülasə bölməsi p=0.007 dəyərini azaldılmış AL indeksində CF ilə nəzarət qrupu arasındakı fərqlə əlaqələndirir. Buna qarşılıq əsas nəticələr bölməsi eyni p=0.007 dəyərini tam 21-biomarker AL indeksində PSF–CF müqayisəsi üçün bildirir, CG–CF müqayisəsini isə p_Bonf=0.144 kimi verir. Bu fərq mənbə tərəfindən izah edilmədiyinə görə Verianla hər hansı dəyəri digərinin yerinə keçirərək səssiz düzəliş etməmişdir.

Şəkil 7-nin rolu

Mənbə Şəkil 7, SHAP ilə seçilmiş Top-6 və Top-10 biomarkerdən yenidən hesablanmış AL indekslərini CF, PSF və nəzarət qruplarında vizual olaraq müqayisə edir. Şəklin elmi rolu tam 21 göstəricili AL əvəzinə daha kiçik hədəflənmiş panellərin qruplar arasındakı nisbi fərqləndirməni qoruyub-qorumadığını göstərməkdir. Lakin azaldılmış panellər eyni nümunədən törədildiyinə görə qrafik xarici doğrulama deyil.

SHAP sıralamalarının həssaslıq analizi

Mənbə bütün iştirakçılar üzrə əldə edilən feature-importance sıralaması ilə yalnız düzgün sinifləndirilmiş alt çoxluqlardan yaradılan sıralamalar arasında yüksək Spearman uyğunluğu bildirir. Müqayisələrə görə ρ dəyərləri 0.935–0.982 aralığında, Top-10 azaldılmış model üçün 0.952 və Top-6 üçün 1.000-dir. Bundan əlavə, ilk sıradakı xüsusiyyət bütün müqayisə boru xətlərində dəyişməmişdir. Bu nəticə feature-rank sıralamasının istifadə olunan alt çoxluğa qarşı nisbətən sabit olduğunu dəstəkləyir; lakin müstəqil populyasiyada təkrarlana bilənliyini sübut etmir.

Tədqiqatın dəstəklədiyi nəticələr

• PSF, CF və nəzarət qruplarında 21 biomarkerdən ibarət fizioloji profillər eyni deyil.
• Sistem səviyyəli analizdə oksidativ sistem p=0.014 ilə qruplar arasında fərq göstərmişdir.
• Sidik turşusu müxtəlif korrelyasiya və SHAP analizlərində təkrar-təkrar yüksək əhəmiyyət göstərmişdir.
• CF ilə nəzarət müqayisəsində kreatinin önə çıxmış; ürək-damar, oksidativ və lipid/metabolik xüsusiyyətlər də model töhfəsində üst sıralarda yer almışdır.
• PSF ilə nəzarət müqayisəsində ürək dərəcəsi ən təsirli xüsusiyyət olmuş; TSH, qlükoza və sidik turşusu da yüksək əhəmiyyət göstərmişdir.
• PSF–CF müqayisəsində sidik turşusu ən vacib xüsusiyyətdir; kortizol, qlükoza, kreatinin və triqliserid digər güclü ayırıcı xüsusiyyətlər arasında bildirilmişdir.
• Top-10 SHAP paneli PSF–CF fərqləndirilməsində tam 21-biomarker modelindən daha yüksək nöqtə təxminli accuracy vermişdir.
• Tam AL indeksində Bonferroni sonrası ən aydın qrup fərqi PSF–CF arasındadır.

Tədqiqatın dəstəkləmədiyi nəticələr

• Sidik turşusu şizofreniya və ya bipolyar pozuntu üçün spesifik diaqnostik biomarker kimi doğrulanmamışdır.
• PSF və ya CF qruplarındakı iştirakçılar şizofreniya və ya bipolyar pozuntu xəstələri deyillər.
• Random Forest modellərinin klinik diaqnoz və ya skrininq məqsədi ilə istifadə oluna biləcəyi göstərilməmişdir.
• %63.6 accuracy müstəqil xarici doğrulama performansı deyil.
• SHAP feature importance bioloji səbəbiyyəti sübut etmir.
• AL fərqlərinin hansı molekulyar mexanizm tərəfindən yaradıldığı göstərilməmişdir.
• Trait qruplarındakı biomarker nümunələrinin sonradan psixiatrik xəstəliyə keçidi proqnozlaşdırdığı göstərilməmişdir.
• Nəticələrin fərqli yaş qruplarına, klinik xəstələrə və ya başqa ölkələrdəki ümumi populyasiyaya birbaşa ümumiləşdirilə bilməsi göstərilməmişdir.

Əsas məhdudiyyətlər

Kiçik nümunə: Qruplar 25–30 iştirakçıdan ibarətdir. Bu ölçü xüsusilə mürəkkəb maşın öyrənməsi modellərində həddən artıq uyğunlaşma riskini artırır və performans təxminlərinin qeyri-müəyyənliyini genişləndirir.

Müstəqil doğrulamanın olmaması: Tədqiqatda tamamilə müstəqil external validation cohort yoxdur. LOSO daxili doğrulama subject-level ayrımını qorusa da başqa populyasiyaya ümumiləşdirilə bilməni test etmir.

Eyni kohortda xüsusiyyət seçimi və qiymətləndirmə: Top-6 və Top-10 biomarker panelləri feature discovery aparılan nümunədən törədilmiş və yenə eyni nümunə üzərində qiymətləndirilmişdir. Mənbə buna görə azaldılmış paneli klinik modeldən çox hipotez yaradan namizəd kimi qəbul edir.

Nəzarət edilməmiş fizioloji dəyişənlər: Menstrual sikl fazası, oral kontraseptiv istifadəsi, yaxın fiziki aktivlik, kofein, alkoqol, siqaret, aclıq vəziyyəti və qan götürülmə vaxtı sistematik olaraq qiymətləndirilməmişdir. Bu dəyişənlər metabolik, hormonal və iltihabi biomarkerlərə təsir edə bilər.

İkili model yanaşması: Üç sinfi tək model daxilində qiymətləndirmək əvəzinə ayrıca ikili Random Forest modelləri istifadə edilmişdir. Bu yanaşma şərh edilə bilməni artırmışdır; lakin daha böyük kohortlarda multi-class analiz ayrıca sınaqdan keçirilməlidir.

Supplementary məlumatdan asılılıq: Məqalə SHAP istiqamət və böyüklüklərinin ətraflı dəyərləri üçün Supplementary Tables S2–S4-ə istinad edir. Yüklənmiş mənbə PDF bu əlavə cədvəllərin tam rəqəmsal məzmununu ehtiva etmədiyindən Verianla görünməyən SHAP dəyərlərini təxmin etməmişdir.

Mənbə və Metod Qeydi

Orijinal başlıq: Machine Learning-Assisted Identification of Biomarkers Associated with Schizotypal and Cyclothymic Traits

Müəlliflər: Sabine Finlay; Gideon Vos; Imre Földesi; Diána Kata; Oyelola Adegboye; Donna Rudd; Brett McDermott; István Szendi; Mostafa Rahimi Azghadi; Zoltan Sarnyai.

Məsul müəllif: Zoltan Sarnyai.

Qurumlar: Laboratory of Psychiatric Neuroscience, Australian Institute of Tropical Health and Medicine, James Cook University; College of Medicine and Dentistry, James Cook University; Margaret Roderick Centre for Mental Health Research, James Cook University; College of Science and Engineering, James Cook University; Institute of Laboratory Medicine, University of Szeged; Menzies School of Health Research, Charles Darwin University; Child and Adolescent Mental Health Service, Hobart; Tasmanian Centre for Mental Health Service Innovation; Department of Psychiatry, Kiskunhalas Semmelweis University Teaching Hospital; Department of Clinical and Health Psychology, Institute of Psychology, University of Szeged; Centre of Excellence for Interdisciplinary Research, Development and Innovation, University of Szeged.

Jurnal: Psychiatry International.

Nəşriyyat: MDPI.

Biblioqrafik qeyd: Psychiatry International, 2026, 7(4), 159.

DOI: 10.3390/psychiatryint7040159

Nəşr tarixçəsi: Alınma 17 Aprel 2026; reviziya 23 İyun 2026; qəbul 10 İyul 2026; nəşr 15 İyul 2026.

Mənbə növü: Klinik olmayan gənc yetkin populyasiyada psixometrik trait qrupları ilə çoxsaylı fizioloji biomarkerləri birləşdirən müşahidəvi və kəşfiyyat xarakterli maşın öyrənməsi/biomarker tədqiqatı.

Rəy statusu: Nəşr olunmuş resenziyalı version of record.

Nümunə: 18–25 yaş aralığında 85 universitet tələbəsi; PSF n=30, CF n=25, nəzarət n=30.

Əsas psixometrik alətlər: TEMPS-A, qısaldılmış macar O-LIFE, Peters Delusions Inventory, Mood Disorder Questionnaire və strukturlaşdırılmış DSM müsahibəsi.

Biomarker paneli: Səkkiz bioloji sistemi əhatə edən 21 antropometrik, ürək-damar, metabolik, immun, neyroendokrin, oksidativ və renal ölçmə.

Allostatik yük metodu: Risk istiqamətində yuxarı və ya aşağı kvartilə görə hər göstəriciyə 0/1 bal verilməsi və tam paneldə 0–21 aralığında ümumi bal yaradılması.

Maşın öyrənməsi: Random Forest; üç ikili müqayisə; default hiperparametrlər; class weighting, oversampling və undersampling yoxdur; leave-one-subject-out cross-validation.

İzah edilə bilən süni intellekt: SHapley Additive exPlanations (SHAP) ilə biomarker feature-importance sıralaması.

Azaldılmış modellər: Ən yüksək sıralanan altı və on biomarkerdən Top-6 və Top-10 panellər.

Robustness analizi: İştirakçı başına 400 LOSO Random Forest yenidən təlimi; Top-10 panel üçün 200 label permutation; subject-level performans etibar intervalları üçün 2000 stratified bootstrap yenidən nümunələmə.

Statistika: Spearman korrelyasiyası, Shapiro–Wilk, Kruskal–Wallis, Mann–Whitney U, üç ikili müqayisə üçün Bonferroni düzəlişi, Hedges' g və Cliff's δ.

Analiz mühiti: R 4.6.1.

Lisenziya: Creative Commons Attribution (CC BY).

Maliyyələşdirmə: Artificial Intelligence National Laboratory Program çərçivəsində European Union project və Hungary Ministry of Innovation and Technology NRDI Office dəstəyi, RRF-2fi.3.1-21-2022-00004; National Research, Development and Innovation Fund çərçivəsində TKP2021-NVA-09; Hungarian Government və European Regional Development Fund çərçivəsində GINOP-2.3.2-15-2016-00037 “Internet of Living Things”.

Etika: University of Szeged, Szent-Györgyi Albert Clinical Centre, Regional Scientific and Research Ethics Committee for Human Biomedical Sciences; protokol 267/2018-SZTE; təsdiq 26 Fevral 2019. Tədqiqat Helsinki Bəyannaməsinə uyğun aparılmışdır.

Məlumatlandırılmış razılıq: Bütün iştirakçılardan alınmışdır.

Məlumatların əlçatanlığı: Məlumatlar etik və məxfilik səbəbləri ilə ictimaiyyətə açıq deyil; əsaslandırılmış sorğu əsasında məsul müəllifdən istənilə biləcəyi bildirilmişdir.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşması bildirməmişdir.

Müəllif töhfələri: Sabine Finlay; ilk layihə, nəzərdən keçirmə/redaktə, konseptuallaşdırma, formal analiz, metod və vizuallaşdırma. Gideon Vos; nəzərdən keçirmə/redaktə, formal analiz və vizuallaşdırma. Imre Földesi və Diána Kata; nəzərdən keçirmə/redaktə, tədqiqat və məlumat kurasiyası. Oyelola Adegboye, Donna Rudd, Brett McDermott və Mostafa Rahimi Azghadi; nəzərdən keçirmə/redaktə. István Szendi; nəzərdən keçirmə/redaktə, tədqiqat, məlumat kurasiyası və maliyyələşdirmənin əldə edilməsi. Zoltan Sarnyai; ilk layihə, nəzərdən keçirmə/redaktə, metod, nəzarət və konseptuallaşdırma.

Mənbədaxili hesabat qeydi 1: Xülasə p=0.007 dəyərini azaldılmış AL indeksində CF–nəzarət fərqinə bağlayarkən əsas nəticələr bölməsində p_Bonf=0.007 tam 21-biomarker indeksində PSF–CF müqayisəsinə aiddir. Mənbə bu fərqi izah etmir.

Mənbədaxili hesabat qeydi 2: SHAP metodunun bir abzası bütün iştirakçıları əhatə edən analizi ilkin, düzgün-sinifləndirilmiş alt qrupu isə həssaslıq analizi kimi müəyyən edərkən, başqa bir abzas feature-importance hesabında sabit/düzgün proqnozlaşdırılmış iştirakçıların seçildiyini bildirir. Məhdudiyyətlər bölməsi bütün iştirakçı analizini ilkin yanaşma kimi yenidən təsdiqləyir.

Mənbədaxili terminologiya qeydi: Bəzi şəkil izahlarında PSF və CF üçün “schizophrenia” və “bipolar disorder” etiketləri istifadə edilmişdir. Tədqiqatın metod və nümunə təsviri isə bu qrupların klinik diaqnoz deyil, klinik olmayan şizotipal və siklotimik trait qrupları olduğunu açıq şəkildə göstərir. Verianla klinik diaqnoz təəssüratı yaradacaq bu qısa etiketləri əsas mətnində istifadə etməmişdir.

Əsas şərh sərhədi: Nəticələr müəyyən biomarkerlərin klinik olmayan şizotipal və siklotimik xüsusiyyət qrupları ilə kəşfiyyat xarakterli əlaqəsini və model daxilində nisbi əhəmiyyətini göstərir. Şizofreniya və ya bipolyar pozuntunun diaqnozunu, gələcəkdə xəstəlik inkişafını, səbəbkar bioloji mexanizmi və ya klinik istifadəyə hazır biomarker panelini doğrulamır.