Extension du modèle de diagnostic de la schizophrénie pour prédire la schizotypie chez les parents au premier degré

Résumé

Récemment, nous avons développé un algorithme d'apprentissage automatique "EMPaSchiz" qui apprend, à partir d'un ensemble d'entraînement de patients schizophrènes et d'individus sains, un modèle permettant de prédire si un nouvel individu est atteint de schizophrénie, sur la base de caractéristiques extraites de son imagerie par résonance magnétique fonctionnelle en état de repos. Dans cette étude, nous appliquons ce modèle appris aux parents au premier degré de patients schizophrènes, qui se sont avérés ne pas souffrir de psychose active ou de schizophrénie. Nous observons que les participants que ce modèle a classés comme patients schizophrènes avaient des "scores de personnalité schizotypique" significativement plus élevés que ceux qui ne l'étaient pas. De plus, le "score de probabilité EMPaSchiz" pour le statut de schizophrène était significativement corrélé au score de personnalité schizotypique. Cela démontre le potentiel des modèles de diagnostic appris par machine pour prédire la vulnérabilité indépendante de l'état, même lorsque les symptômes ne répondent pas aux critères complets du diagnostic clinique.