Statistical learning of candidate network stratifications in schizophrenia

• Antragsteller: Professor Dr. Danilo Bzdok
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften ; Kognitive, systemische und Verhaltensneurobiologie
• Förderung: Förderung von 2015 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 283338900

Die bildgebenden Neurowissenschaften sind limitiert durch 1) den fehlenden Konsensus für ein Beschreibungssystem von mentalen Prozessen, 2) die inkonsistenten Ergebnisse zwischen einzelnen Bildgebungsstudien, und 3) die Knappheit an starken Hypothesen für neue Experimente. Diese Umstände erschweren insbesondere klinische Bildgebungsforschung, aber könnten durch die Kombination von der BrainMap Bildgebungsdatenbank und Mustererkennungsalgorithmen verbessert werden. Ein integratives Methodenframework wird neue Hypothesen von multi-zentrischen Schizophrenie-Stichproben (482 Teilnehmer) extrahieren und deren Wichtigkeit quantifizieren.Das neurobiologische Wissen in der BrainMap-Datenbank wird in Form von meta-analytischen Priors kondensiert, die die Vielfältigkeit der menschlichen Kognition abdecken. Die meta-analytischen Priors verbessern die statistischen Eigenschaften und die Interpretierbarkeit explorativer Analysen auf Basis struktureller (d.h. voxel-basierte Morphometrie) und funktioneller (d.h. aufgabenunabhängie "resting-state" Korrelationen und aufgabenabhängiges "meta-analytic connectivity modeling") Gehirneigenschaften. Maschinelle Lernmethoden (u.a. support vector machines, Logistische Regression, Random Forests) werden automatisch die relevantesten meta-analytischen Priors für bestimmte Fragestellungen identifizieren, mithilfe von neurobiologischen sowie demographischen und klinischen Prädiktoren. Mustererkennungsverfahren können so testen, ob und wie biologisch bedeutsame Priors mit der Pathophysiologie der Schizophrenie zusammenhängen. Die resultierenden Kandidaten-Priors können zukünftige Hypothesen-getriebene Untersuchungen in der Schizophrenie motivieren und verbessern.Zusammenfassend sprechen die schwer miteinander vereinbaren, sich teilweise widersprechenden Forschungsergebnisse in der Schizophrenieforschung für die Notwendigkeit neuer, starker Hypothesen. Das vorgeschlagene Verfahren kann komplexe Zusammenhänge zwischen dem klinischen Exo-Phänotyp und dem neurobiologischen Endo-Phänotyp der Schizophrenie automatisch formalisieren und vorhersagen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich, USA
• Kooperationspartnerinnen / Kooperationspartner: Professor Dr. Simon Eickhoff; Professor Dr. Peter T. Fox; Professorin Dr. Angela R. Laird; Dr. Bertrand Thirion, Ph.D.; Gaël Varoquaux, Ph.D.