Аллостатикалык жүк (allostatic load, AL) узак мөөнөттүү адаптация жана стресс процесстерине байланышкан физиологиялык жөнгө салынбастыкты бир орган же бир лабораториялык көрсөткүч менен эмес, бир нече биологиялык системанын негизинде биргелешип чагылдырууга багытталган комплекстүү өлчөө ыкмасы. Бул изилдөө клиникалык психиатриялык бузулуусу жок 85 жаш адамда психометрикалык түрдө аныкталган шизотиптик өзгөчөлүктөр (Positive Schizotypy Factor Group, PSF), циклотимдик өзгөчөлүктөр (Cyclothymia Factor Group, CF) жана контролдук топ (CG) ортосундагы 21 биомаркерден турган аллостатикалык жүк үлгүлөрүн Random Forest жана SHapley Additive exPlanations (SHAP) аркылуу изилдеген. Машиналык үйрөнүүнүн негизги максаты клиникалык диагноз чыгаруу эмес, кайсы биомаркерлер топторду айырмалоого көбүрөөк салым кошорун изилдөөчү мүнөздө иреттөө болгон.

Үлгү 18–25 жаштагы 710 дени сак университет студентинен башталган скрининг процессинин аягында түзүлгөн. Акыркы анализде 30 PSF, 25 CF жана 30 контролдук катышуучу болгон. Биомаркер панели антропометриялык, жүрөк-кан тамыр, глюкоза метаболизми, иммундук, липид метаболизми, нейроэндокриндик, оксидативдик жана бөйрөк системаларын камтыйт. Топтор арасында система деңгээлиндеги маанилүү айырма оксидативдик система үчүн гана билдирилген (p=0.014). SHAP анализдеринде заара кислотасы ар кандай салыштырууларда кайра-кайра жогорку орундарга чыгып, өзгөчө PSF–CF айырмасында эң таасирдүү өзгөчөлүк болгон.

PSF менен CFни айырмалоо үчүн SHAP аркылуу тандалган Top-10 панель leave-one-subject-out валидациясында %63.6 тактык жана 0.625 AUC берген. Бирок AUCнин %95 ишеним аралыгы 0.469–0.768 болуп, 200 энбелги пермутациясы менен жүргүзүлгөн тестте p=0.055 табылган. Мындан тышкары, өзгөчөлүк тандоо жана панелди баалоо бир эле когортто жүргүзүлүп, көз карандысыз тышкы валидация болгон эмес. Ошондуктан натыйжаларды шизофрения же биполярдык бузулуу диагнозу, клиникалык скрининг же жеке тобокелдикти болжолдоо катары эмес, клиникалык эмес инсандык өзгөчөлүктөргө байланышкан физиологиялык үлгүлөр үчүн гипотеза жаратуучу биомаркер изилдөөсү катары баалоо керек.

Изилдөөнүн негизги илимий маселеси

Шизотиптик өзгөчөлүктөр адаттан тыш кабылдоо тажрыйбалары, когнитивдик-перцептивдик айырмачылыктар жана адамдар аралык функциялардагы айрым вариациялар менен байланышкан өлчөмдүү өзгөчөлүктөр болуп саналат. Циклотимдик өзгөчөлүктөр болсо маанай, энергия жана активдүүлүктөгү термелүүлөргө байланышкан темпераменттик өзгөчөлүктөрдү билдирет. Бул изилдөөнүн катышуучулары шизофрения же биполярдык бузулуу диагнозу коюлган бейтаптар эмес. Изилдөөчүлөр психометрикалык шкалалар менен аныкталган субклиникалык өзгөчөлүктөр көптөгөн физиологиялык системалардагы өлчөнө турган үлгүлөр менен бирге өзгөрөбү деген суроону изилдеген.

Илимий суроо бир эле “оору биомаркерин” табуу эмес. Изилдөөнүн логикасы жүрөк-кан тамыр, метаболикалык, нейроэндокриндик, бөйрөк, оксидативдик жана иммундук системалардан алынган көптөгөн өзгөрмөлөрдү бирге кароо өзүнчө көрсөткүчтөргө караганда түшүндүрүүчү физиологиялык профиль бере алабы деген суроону текшерүү.

Аллостатикалык Жүк Деген Эмне жана Бул Изилдөөдө Кантип Эсептелген?

Аллостатикалык жүк бир нече физиологиялык системадагы тобокелдик багытындагы биомаркер маанилерин бириккен упайга чогултуу аркылуу көп системалуу физиологиялык жөнгө салынбастыкты чагылдырууга аракет кылган өлчөм; бул изилдөөдө 21 биомаркердин ар бири тобокелдик багытындагы жогорку же төмөнкү квартилде жайгашканына жараша 0 же 1 упай менен бааланып, упайлар 0–21 аралыгындагы жалпы AL индексин түзүү үчүн кошулган.

Булакта теңдеме түрүндө басылбаганы менен, ыкманын математикалык логикасын төмөнкүдөй көрсөтүүгө болот:

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

Бул жерде \(I_j\), j-чи биомаркер үчүн бинардык тобокелдик көрсөткүчү. Булактагы ыкмага ылайык, тиешелүү көрсөткүч ден соолук тобокелдиги жогорку маанилер менен байланышса жогорку квартиль, төмөнкү маанилер менен байланышса төмөнкү квартиль тобокелдик багыты катары колдонулат. Тобокелдик квартилдеги көрсөткүч 1, болбосо 0 упай алат. Демек, жогорку жалпы AL упайы көбүрөөк көп системалуу физиологиялык жөнгө салынбастык катары чечмеленет.

21 биомаркер кайсы физиологиялык системаларды билдирет?

Бул панелдеги көрсөткүчтөр шизофрения же биполярдык бузулууга өзгөчө диагностикалык тест катары тандалган эмес. Булактын максаты аллостатикалык жүк адабиятында кеңири колдонулган физиологиялык системаларды биргелешип баалоо болгон.

Катышуучулар кантип тандалган?

Баштапкы топ University of Szegedде окуган 18–25 жаштагы студенттерден турган. Катышуучулардын университеттеги алгачкы эки жылында диагноз коюлган психикалык бузулуусу болбошу негизги шарт болгон. Учурдагы же мурдагы психиатриялык бузулуу, заттарды кыянат колдонуу, неврологиялык абалдар, эс-учун жоготууга алып келген баш травмасы жана нейрокогнитивдик функцияга таасир бере турган медициналык абалдар чыгарып салуу критерийлерине кирген.

Психометрикалык топтор кантип түзүлгөн?

Шизотиптик өзгөчөлүктөрдү баалоодо 43 пункттан турган кыскартылган венгр тилиндеги Oxford-Liverpool Inventory of Feelings and Experiences (O-LIFE), делюзиялык ой жүгүртүү тенденцияларында Peters Delusions Inventory (PDI), аффективдик темпераментте TEMPS-A жана биполярдык спектр скринингинде Mood Disorder Questionnaire колдонулган. Учурдагы жана өмүр бою психиатриялык бузулууларды баалоодо түзүмдөштүрүлгөн DSM маеги колдонулган.

Булак PSF тобун O-LIFE ≥5, PDI-21 >10 жана TEMPS-A Cyclothymia <12 маанилери менен аныктайт. CF тобу үчүн O-LIFE <6 жана TEMPS-A Cyclothymia =11 критерийлери билдирилген. Контролдук топто психопатологиялык четтөө билдирилген эмес. Бул чектер ушул изилдөөдөгү trait топторун түзөт; клиникалык оору диагнозун билдирбейт.

Random Forest жана SHAP Бул Изилдөөдө Эмне Үчүн Колдонулган?

Random Forest жана SHAP бул изилдөөдө клиникалык диагноз чыгаруу үчүн эмес, 21 биомаркердин PSF, CF жана контролдук топторду айырмалоого салыштырмалуу салымын изилдөөчү мүнөздө иреттөө үчүн колдонулган; Random Forest сызыктуу эмес класстык чек араларды үйрөнсө, SHAP ар бир биомаркердин модель чыгарылышына кошкон салымын чечмелене турган feature-importance өлчөмүнө айландырган.

Үч бинардык Random Forest модели

Изилдөөчүлөр бир үч-класстуу моделдин ордуна үч өзүнчө бинардык салыштыруу түзгөн:

1. Контролдук топ менен CF тобун айырмалоо.
2. Контролдук топ менен PSF тобун айырмалоо.
3. PSF тобу менен CF тобун айырмалоо.

Бул ыкманын максаты ар бир класстык чек арада кайсы биомаркерлер алдыңкы орунга чыкканын оңойураак чечмелөө болгон. Random Forest bootstrap үлгүлөрүнөн көптөгөн чечим дарактарын түзүп, ар бир бөлүнүүдө өзгөчөлүктөрдүн кокус чакан топтомун баалап, акыркы чечимди көпчүлүк добуш менен чыгарган.

Моделди алдын ала иштетүү жана гиперпараметр ыкмасы

Булак байкоолор толук болгонун жана кошумча маалыматты алдын ала иштетүү талап кылынбаганын билдирет. 21 биомаркердин ортосундагы ковариация түзүмү модель үйрөтүлгөнгө чейин каралып, r>0.8 деңгээлинде күчтүү корреляция табылган эмес. Топ өлчөмдөрү 25–30 арасында болгондуктан oversampling, undersampling же класс салмагы колдонулган эмес.

Random Forestтын демейки гиперпараметрлери колдонулган. Чакан үлгүдө ошол эле маалыматта гиперпараметр тандоонун feature-importance натыйжаларын ашыкча оптимисттик кылуусун азайтуу үчүн tuning жүргүзүлгөн эмес. Булакка ылайык 21 өзгөчөлүк болгондуктан, ар бир чечим дарагынын бөлүнүшүндө болжол менен 4–5 өзгөчөлүк талапкер катары бааланган.

LOSO валидациясы эмне үчүн керек?

Leave-one-subject-out (LOSO) cross-validation ар бир кадамда бир катышуучуну тест үчүн бөлүп, калган бардык катышуучуларда модель үйрөтүп, процессти бардык катышуучулар үчүн кайталай турган валидация ыкмасы. Чакан маалымат топтомдорунда үйрөтүү үчүн мүмкүн болушунча көп катышуучуну сактап, тесттик байкоону үйрөтүүдөн өзүнчө кармоого мүмкүндүк берет.

Кыскартылган панель натыйжалары үчүн LOSO процесси ар бир катышуучуга 400 Random Forest кайра үйрөтүүсү менен кайталанган. Өндүрүмдүүлүктүн ишеним аралыктары 2000 катмарланган bootstrap кайра үлгүлөөсү менен билдирилген.

SHAP маанилерин кантип чечмелөө керек?

SHAP мааниси биомаркер белгилүү бир модель чыгарылышын кайсы багытта жана канчалык өзгөртөрүн түшүндүрөт. Чоң абсолюттук SHAP мааниси модель класстык чечим чыгарганда ошол өзгөчөлүктүн таасири көбүрөөк экенин көрсөтөт. Бирок жогорку SHAP мааниси биомаркер ооруну пайда кылат, биологиялык жактан эң маанилүү механизм же клиникалык диагноз үчүн өзү эле жетиштүү дегенди билдирбейт.

SHAP белгиси да биологиялык жактан “жакшы” же “жаман” дегенди билдирбейт. Белги моделде кайсы класс максат катары коддолгонуна жараша белгилүү класска карай салымды билдирет.

SHAP ыкмасындагы булак ичиндеги отчет айырмасы

Булактын ыкмалар бөлүмүндөгү бир түшүндүрмө негизги SHAP анализи бардык LOSO сыноолору жана бардык катышуучулар боюнча топтолгонун, ал эми туура классификацияланган учурлар менен гана жүргүзүлгөн анализ сезгичтик тести болгонун билдирет. Андан кийинки абзацта болсо feature-importance эсептөөсүндө туруктуу болжолдонгон адамдар сакталганы жана ийгиликсиз болжолдор чыгарылганы жазылган. Чектөөлөр бөлүмү кайрадан бардык катышуучулар негизги анализге киргизилгенин айткандыктан, Verianla бул ыкманы негизги метод катары сактап, башка абзацты булак ичиндеги методологиялык карама-каршылык катары белгилейт.

Бул Модель Шизофрения же Биполярдык Бузулуу Диагнозун Коябы?

Жок. Изилдөөдөгү PSF жана CF класстары клиникалык шизофрения же биполярдык бузулуу диагноздору эмес, психикалык бузулуусу жок жаш адамдарда психометрикалык шкалалар менен түзүлгөн шизотиптик жана циклотимдик өзгөчөлүк топтору; моделдин тактыгы бул trait топторун ошол эле когорт ичинде айырмалоо көрсөткүчү болуп, клиникалык диагностикалык тактык катары колдонулбайт.

Булактагы 4–6-сүрөттөрдүн айрым аталыштары жана түшүндүрмөлөрүндө кыскача “schizophrenia” жана “bipolar disorder” терминдери колдонулган. Ошентсе да изилдөө дизайны жана ыкма бөлүмү топторду так PSF жана CF trait топтору катары аныктайт. Ошондуктан Verianla клиникалык бузулуу белгисинин ордуна изилдөөнүн чыныгы онтологиялык деңгээлин, башкача айтканда шизотиптик жана циклотимдик өзгөчөлүктөрдү колдонот.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Система деңгээлиндеги аллостатикалык жүк айырмалары

Система деңгээлинде оксидативдик система гана p=0.014 менен айырмаланган. Бул табылга өзү эле кайсы оксидативдик көрсөткүч себептик роль ойноорун көрсөтпөйт; кийинки SHAP анализдеринде заара кислотасынын көп жолу жогорку орунга чыгышы оксидативдик система натыйжасы менен модель негизиндеги feature-importance натыйжасы бир эле биологиялык чөйрөгө ишарат кылган жакындашуу катары каралышы мүмкүн.

3-сүрөт: биомаркер корреляцияларынын багыты

Булактагы 3-сүрөт 21 биомаркер менен PSF жана CF тобуна мүчөлүк ортосундагы Spearman корреляцияларынын жылуулук картасы. PSF үчүн диастолалык кан басымы жана заара кислотасы күчтүүрөөк оң байланыштарды көрсөтсө, глюкоза жана eGFR күчтүүрөөк терс байланыштарды көрсөткөн. CF тобунда үлгүнүн маанилүү бөлүгү тескери багытта: глюкоза жана eGFR көбүрөөк оң, диастолалык басым менен заара кислотасы көбүрөөк терс байланышта.

Кортизол да эки trait топтун ортосунда карама-каршы багыттагы байланыш үлгүсүн көрсөткөн: CF менен терс, PSF менен оң; LDL болсо тескери багыттагы үлгү көрсөткөн. Бул корреляциялар биомаркерлер trait түзүлүшүнө себеп болот дегенди далилдебейт; бир гана ошол үлгүдөгү биргелешкен өзгөрүү түзүмүн көрсөтөт.

SHAP анализинде кайсы биомаркерлер алдыга чыккан?

Эмне үчүн заара кислотасы борбордук жыйынтык?

Заара кислотасы корреляция анализдеринде да, бир нече SHAP салыштырууларында да кайра-кайра алдыга чыккан. Булак авторлору бул үлгүнү оксидативдик стресс жана пуринергиялык процесстерге байланыштуу мүмкүн болгон жалпы биологиялык компонент катары талкуулашат. Бирок бул изилдөө заара кислотасы шизотиптик же циклотимдик өзгөчөлүктөрдү пайда кылат, өзү эле trait тобун аныктай алат же клиникалык оорунун биомаркери болуп саналат дегенди көрсөткөн эмес.

Random Forest классификация жыйынтыктары

Контролдук топту CF же PSFтен айырмалаган 21-биомаркер моделдер күчтүү классификация көрсөткүчүн берген эмес. Изилдөөнүн максаты да бул моделдерди клиникалык classifier катары жайылтуу эмес. Кызыктуураак натыйжа PSF–CF айырмасындагы кыскартылган Top-10 панель; бирок бул жерде да AUC 0.625 болуп, ишеним аралыгы 0.5 деңгээлин камтыйт.

Top-10 Биомаркер Панели Клиникалык Колдонуу Үчүн Тастыкталдыбы?

Жок. Top-10 панель ошол эле когортто тандалып жана бааланып, көз карандысыз валидация үлгүсү колдонулган эмес жана энбелги-пермутация тестинде бир тараптуу p=0.055 табылган; ошондуктан %63.6 тактык клиникалык скрининг же диагноз көрсөткүчү катары эмес, көз карандысыз когортто текшерилиши керек болгон изилдөөчү ички-үлгү натыйжасы катары чечмелениши керек.

Энбелги пермутация тести

Байкалган %63.6 тактык null бөлүштүрүүнүн орточо маанисинен жогору; бирок p=0.055 салттуу 0.05 чегинен бир аз жогору. Булак муну “чектеш” жана изилдөөчү натыйжа катары чечмелейт. Ошондуктан панель ызы-чуудан көз карандысыз жана жалпылана турган клиникалык classifier деген тыянак чыгарууга болбойт.

Толук 21-биомаркер AL индексиндеги топтук айырмалар

Kruskal–Wallis omnibus тести \(H=8.793\), exact p=0.012 деп билдирилген. Bonferroni түзөтүүсүнөн кийин CG–PSF айырмасы маанилүү эмес (p_Bonf=1.000; Hedges' g=−0.15; Cliff's δ=−0.10). CG–CF айырмасы да маанилүү эмес (p_Bonf=0.144; Hedges' g=0.63; Cliff's δ=0.31). PSF–CF салыштыруусу болсо p_Bonf=0.007, Hedges' g=0.89 жана Cliff's δ=0.47 менен маанилүү бойдон калган.

Аннотация менен жыйынтыктар бөлүмүндөгү p=0.007 айырмасы

Булактын аннотация бөлүмү p=0.007 маанисин кыскартылган AL индексиндеги CF менен контролдук топтун айырмасына байланыштырат. Ал эми негизги жыйынтыктар бөлүмү ошол эле p=0.007 маанисин толук 21-биомаркер AL индексиндеги PSF–CF салыштыруусуна берет, CG–CF салыштыруусун p_Bonf=0.144 деп көрсөтөт. Бул айырма булак тарабынан түшүндүрүлбөгөндүктөн, Verianla бир маанини башкасынын ордуна коюп үнсүз түзөтүү жасаган эмес.

7-сүрөттүн ролу

Булактагы 7-сүрөт SHAP менен тандалган Top-6 жана Top-10 биомаркерлерден кайра эсептелген AL индекстерин CF, PSF жана контролдук топтордо визуалдык түрдө салыштырат. Сүрөттүн илимий милдети толук 21 көрсөткүчтүү AL ордуна кичирээк максаттуу панелдер топтор арасындагы салыштырмалуу ажырымды сактайбы дегенди көрсөтүү. Бирок кыскартылган панелдер ошол эле үлгүдөн алынгандыктан, график тышкы валидация эмес.

SHAP рейтингдеринин сезгичтик анализи

Булак бардык катышуучулар боюнча алынган feature-importance рейтинги менен туура классификацияланган чакан топтордон түзүлгөн рейтингдердин ортосунда жогорку Spearman шайкештигин билдирет. Салыштыруулар боюнча ρ маанилери 0.935–0.982 аралыгында, Top-10 кыскартылган модель үчүн 0.952 жана Top-6 үчүн 1.000. Мындан тышкары, биринчи орундагы өзгөчөлүк бардык салыштыруу түтүктөрүндө өзгөргөн эмес. Бул натыйжа feature-rank рейтинги колдонулган чакан топко карата салыштырмалуу туруктуу экенин колдойт; бирок көз карандысыз популяцияда кайталанаарын далилдебейт.

Изилдөө колдогон жыйынтыктар

• PSF, CF жана контролдук топтордогу 21 биомаркерден турган физиологиялык профилдер бирдей эмес.
• Система деңгээлиндеги анализде оксидативдик система p=0.014 менен топтор арасында айырма көрсөткөн.
• Заара кислотасы ар кандай корреляция жана SHAP анализдеринде кайра-кайра жогорку маанилүүлүк көрсөткөн.
• CF менен контролдук топту салыштырууда креатинин алдыга чыккан; жүрөк-кан тамыр, оксидативдик жана липид/метаболикалык өзгөчөлүктөр да модель салымында жогорку орундарда болгон.
• PSF менен контролду салыштырууда жүрөктүн кагышы эң таасирдүү өзгөчөлүк болгон; TSH, глюкоза жана заара кислотасы да жогорку маанилүүлүк көрсөткөн.
• PSF–CF салыштыруусунда заара кислотасы эң маанилүү өзгөчөлүк; кортизол, глюкоза, креатинин жана триглицерид башка күчтүү айырмалоочу өзгөчөлүктөрдүн арасында билдирилген.
• Top-10 SHAP панели PSF–CF айырмасында толук 21-биомаркер моделине караганда жогорураак чекиттик accuracy баасын берген.
• Толук AL индексинде Bonferroniден кийинки эң айкын топтук айырма PSF–CF арасында.

Изилдөө колдобогон жыйынтыктар

• Заара кислотасы шизофрения же биполярдык бузулуу үчүн өзгөчө диагностикалык биомаркер катары тастыкталган эмес.
• PSF же CF топторундагы катышуучулар шизофрения же биполярдык бузулуу бейтаптары эмес.
• Random Forest моделдери клиникалык диагноз же скрининг максатында колдонулары көрсөтүлгөн эмес.
• %63.6 accuracy көз карандысыз тышкы валидация көрсөткүчү эмес.
• SHAP feature importance биологиялык себептүүлүктү далилдебейт.
• AL айырмаларын кайсы молекулалык механизм жаратары көрсөтүлгөн эмес.
• Trait топторундагы биомаркер үлгүлөрү кийин психиатриялык ооруга өтүүнү алдын ала айтары көрсөтүлгөн эмес.
• Натыйжаларды башка жаш топторуна, клиникалык бейтаптарга же башка өлкөлөрдөгү жалпы калкка түз жалпылоого болору көрсөтүлгөн эмес.

Негизги чектөөлөр

Чакан үлгү: Топтор 25–30 катышуучудан турат. Бул көлөм өзгөчө татаал машиналык үйрөнүү моделдеринде ашыкча ылайыкташуу коркунучун жогорулатып, өндүрүмдүүлүк бааларынын белгисиздигин кеңейтет.

Көз карандысыз валидациянын жоктугу: Изилдөөдө толугу менен көз карандысыз external validation cohort жок. LOSO ички валидациясы subject-level айырмалоону сактаса да, башка популяцияга жалпылоону текшербейт.

Ошол эле когортто өзгөчөлүк тандоо жана баалоо: Top-6 жана Top-10 биомаркер панелдери feature discovery жүргүзүлгөн үлгүдөн алынган жана кайра эле ошол үлгүдө бааланган. Ошондуктан булак кыскартылган панелди клиникалык моделден көрө гипотеза жаратуучу талапкер катары кабыл алат.

Көзөмөлдөнбөгөн физиологиялык өзгөрмөлөр: Этек кир циклинин фазасы, оозеки контрацептив колдонуу, жакынкы физикалык активдүүлүк, кофеин, алкоголь, тамеки, ачка болуу абалы жана кан алуу убактысы системалуу түрдө бааланган эмес. Бул өзгөрмөлөр метаболикалык, гормоналдык жана сезгенүү биомаркерлерине таасир бериши мүмкүн.

Бинардык модель ыкмасы: Үч классты бир моделде баалоонун ордуна өзүнчө бинардык Random Forest моделдери колдонулган. Бул ыкма чечмеленүүнү жогорулаткан; бирок чоңураак когорттордо multi-class анализ өзүнчө текшерилиши керек.

Supplementary маалыматка көз карандылык: Макала SHAP багыттарынын жана чоңдуктарынын деталдуу маанилери үчүн Supplementary Tables S2–S4кө шилтеме берет. Жүктөлгөн булак PDF бул кошумча таблицалардын толук сандык мазмунун камтыбагандыктан, Verianla көрүнбөгөн SHAP маанилерин болжолдогон эмес.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталышы: Machine Learning-Assisted Identification of Biomarkers Associated with Schizotypal and Cyclothymic Traits

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

Жооптуу автор: Zoltan Sarnyai.

Мекемелер: 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.

Журнал: Psychiatry International.

Басма: MDPI.

Библиографиялык жазуу: Psychiatry International, 2026, 7(4), 159.

DOI: 10.3390/psychiatryint7040159

Жарыя тарыхы: Алынган 17 апрель 2026; ревизия 23 июнь 2026; кабыл алынган 10 июль 2026; жарыяланган 15 июль 2026.

Булак түрү: Клиникалык эмес жаш калкта психометрикалык trait топторун көптөгөн физиологиялык биомаркерлер менен бириктирген байкоочу жана изилдөөчү машиналык үйрөнүү/биомаркер изилдөөсү.

Рецензия статусу: Жарыяланган, рецензияланган version of record.

Үлгү: 18–25 жаштагы 85 университет студенти; PSF n=30, CF n=25, контрол n=30.

Негизги психометрикалык куралдар: TEMPS-A, кыскартылган венгр тилиндеги O-LIFE, Peters Delusions Inventory, Mood Disorder Questionnaire жана түзүмдөштүрүлгөн DSM маеги.

Биомаркер панели: Сегиз биологиялык системаны камтыган 21 антропометриялык, жүрөк-кан тамыр, метаболикалык, иммундук, нейроэндокриндик, оксидативдик жана бөйрөк өлчөмү.

Аллостатикалык жүк ыкмасы: Тобокелдик багытындагы жогорку же төмөнкү квартилге жараша ар бир көрсөткүчкө 0/1 упай берип, толук панелде 0–21 аралыгында жалпы упай түзүү.

Машиналык үйрөнүү: Random Forest; үч бинардык салыштыруу; default гиперпараметрлер; class weighting, oversampling жана undersampling жок; leave-one-subject-out cross-validation.

Түшүндүрүлүүчү жасалма интеллект: SHapley Additive exPlanations (SHAP) аркылуу биомаркер feature-importance рейтинги.

Кыскартылган моделдер: Эң жогорку орун алган алты жана он биомаркерден Top-6 жана Top-10 панелдер.

Robustness анализи: Ар бир катышуучуга 400 LOSO Random Forest кайра үйрөтүүсү; Top-10 панель үчүн 200 label permutation; subject-level өндүрүмдүүлүк ишеним аралыктары үчүн 2000 stratified bootstrap кайра үлгүлөө.

Статистика: Spearman корреляциясы, Shapiro–Wilk, Kruskal–Wallis, Mann–Whitney U, үч бинардык салыштыруу үчүн Bonferroni түзөтүүсү, Hedges' g жана Cliff's δ.

Анализ чөйрөсү: R 4.6.1.

Лицензия: Creative Commons Attribution (CC BY).

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

Этика: University of Szeged, Szent-Györgyi Albert Clinical Centre, Regional Scientific and Research Ethics Committee for Human Biomedical Sciences; протокол 267/2018-SZTE; бекитүү 26 февраль 2019. Изилдөө Helsinki Декларациясына ылайык жүргүзүлгөн.

Маалымдалган макулдук: Бардык катышуучулардан алынган.

Маалыматтардын жеткиликтүүлүгү: Маалыматтар этикалык жана купуялуулук себептеринен улам коомчулукка ачык эмес; негиздүү суроо боюнча жооптуу автордон сураса болору айтылган.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышын билдиришкен эмес.

Автордук салымдар: Sabine Finlay; алгачкы долбоор, карап чыгуу/редакциялоо, концептуалдаштыруу, формалдуу анализ, ыкма жана визуалдаштыруу. Gideon Vos; карап чыгуу/редакциялоо, формалдуу анализ жана визуалдаштыруу. Imre Földesi жана Diána Kata; карап чыгуу/редакциялоо, изилдөө жана маалымат курaциясы. Oyelola Adegboye, Donna Rudd, Brett McDermott жана Mostafa Rahimi Azghadi; карап чыгуу/редакциялоо. István Szendi; карап чыгуу/редакциялоо, изилдөө, маалымат курациясы жана каржылоо алуу. Zoltan Sarnyai; алгачкы долбоор, карап чыгуу/редакциялоо, ыкма, көзөмөл жана концептуалдаштыруу.

Булак ичиндеги отчет эскертүүсү 1: Аннотация p=0.007 маанисин кыскартылган AL индексиндеги CF–контрол айырмасына байланыштырса, негизги жыйынтыктар бөлүмүндө p_Bonf=0.007 толук 21-биомаркер индексиндеги PSF–CF салыштыруусуна тиешелүү. Булак бул айырманы түшүндүрбөйт.

Булак ичиндеги отчет эскертүүсү 2: SHAP ыкмасынын бир абзацы бардык катышуучуларды камтыган анализди негизги, туура-классификацияланган чакан топту сезгичтик анализи катары сүрөттөсө, башка абзац feature-importance эсептөөсүндө туруктуу/туура болжолдонгон катышуучулар тандалганын билдирет. Чектөөлөр бөлүмү бардык катышуучулар анализин негизги ыкма катары кайра белгилейт.

Булак ичиндеги терминология эскертүүсү: Айрым сүрөт түшүндүрмөлөрүндө PSF жана CF үчүн “schizophrenia” жана “bipolar disorder” белгилери колдонулган. Изилдөөнүн ыкма жана үлгү сүрөттөмөсү болсо бул топтор клиникалык диагноз эмес, клиникалык эмес шизотиптик жана циклотимдик trait топтору экенин ачык көрсөтөт. Verianla клиникалык диагноз таасирин жарата турган бул кыска белгилерди негизги баянда колдонгон эмес.

Негизги чечмелөө чеги: Табылгалар белгилүү биомаркерлердин клиникалык эмес шизотиптик жана циклотимдик өзгөчөлүк топтору менен изилдөөчү байланыштарын жана модель ичиндеги салыштырмалуу маанисин көрсөтөт. Шизофрения же биполярдык бузулуу диагнозун, келечекте оорунун өнүгүшүн, себептик биологиялык механизмди же клиникалык колдонууга даяр биомаркер панелин тастыктабайт.