精神分裂癥是一種嚴重的精神**，由于其病因尚未完全明確，缺乏客觀的生理指標作為診斷依據(jù)，只能依靠臨床醫(yī)生基于癥狀的經(jīng)驗性判斷進行診斷。不同患者的癥狀往往大相徑庭，且醫(yī)生的評估可能受主觀影響，給診斷帶來困難。

而且，精神分裂癥的早期癥狀可能與其他精神情感障礙的癥狀難以區(qū)分[1]，經(jīng)常會被誤診。臨床上大約三分之一的雙相情感**患者會被誤診為精神分裂癥[2]。

近日，英國劍橋大學的Sabine Bahn和Jakub Tomasik教授研究團隊聯(lián)合在精神病醫(yī)學領域**期刊Translational Psychiarty上發(fā)表重要成果[3]，為解決上述精神分裂癥診斷的瓶頸問題帶來了希望。

他們發(fā)現(xiàn)了精神分裂癥患者的3種外周血單個核細胞（PBMC）生物標志物，包括輔助性T細胞表面CD36和胰島素受體（IR），以及單核細胞表面葡萄糖轉運蛋白1（GLUT1）。

將GLUT1和CD36作為預測因子構建的簡單算法模型，診斷精神分裂癥AUC值可達0.84；區(qū)分精神分裂癥和其他三種精神障礙AUC值可達0.83。這為準確客觀地診斷精神分裂癥提供了新的希望。

精神分裂癥目前影響著全球約2000萬人，且患病率不斷上升[4]，給患者家庭及社會帶來沉重的負擔。如果能使用更準確和客觀的工具對精神分裂癥進行早期診斷，不僅能避免誤診，還能極大地提高精神分裂癥患者的早期**比率，改善長期預后[5]。

正是基于精神分裂癥臨床診斷的迫切需要，研究人員希望開發(fā)一種基于外周血生物標志物的精神分裂癥診斷模型。

他們于2013-2019年間在荷蘭招募了119名18-50歲的精神分裂癥患者。并將另一項針對健康人群腦容量和認識研究項目中的部分被試作為對照組。*終符合入排標準的36名精神分裂癥患者和26名健康對照被納入了本項研究。

研究人員采集了被試的外周血，分離得到血清和PBMC。并基于前期研究[6,7]，選取了血清和PBMC中與可能與精神分裂癥代謝異常有關的指標進行檢測。

他們通過統(tǒng)計分析后發(fā)現(xiàn)，相比對照組，精神分裂癥患者的輔助性T細胞表面CD36和IR的表達量顯著增加，單核細胞表面的GLUT1表達量也顯著增加。

血清中的載脂蛋白A1、A2、B、C2和E，白細胞介素6（IL-6），腫瘤壞死因子α（TNF-α），絲氨酸蛋白酶抑制劑E1，趨化因子配體2（CCL-2），瘦素，脂聯(lián)素，C-反應蛋白（CRP），抗胰島素蛋白和補體因子D等檢測指標則無明顯變化。

接下來，研究人員使用上述3個在精神分裂癥患者PBMC中明顯變化的生物標志物構建了一個基于logisitc回歸和leave-one-out交叉驗證的診斷模型，并對模型進行了測試。

他們對特異性和敏感性作圖，根據(jù)曲線下面積（AUC）對模型進行評價。使用這個模型對原始隊列中的精神分裂癥癥患者和健康對照個體進行診斷時，AUC值可達到0.81（95%CI：0.69–0.92）。

在這個原始模型中， GLUT1和CD36是*強的預測因子，而IR對模型影響較小。因此，研究人員構建了另一個僅納入GLUT1和CD36的模型，此模型使用原始隊列進行驗證時AUC為0.78（95%CI：0.66–0.92），與納入3個因子的原始模型相似。

為了進一步確認兩個不同版本診斷模型中的更優(yōu)者，研究人員采用另一個獨立隊列對這兩個模型進行了驗證。這個驗證隊列包括了34名未接受****的精神分裂癥患者，以及39名健康對照。

結果顯示使用3種生物標志物為預測因子的模型AUC值為0.74（95%CI：0.62–0.86），使用2種生物標志物的模型AUC值為0.75（95%CI：0.64–0.86），略優(yōu)于前者。同時，為避免過度擬合，研究人員*終選擇了使用2個生物標志物的模型進行后續(xù)驗證。

基于外周血PBMC生物標志物的模型對一個獨立隊列中精神分裂癥的診斷效果

為了在更接近真實臨床的場景中對模型進行驗證，研究人員選擇一個包括了4種不同精神**患者和健康對照的數(shù)據(jù)集作為驗證隊列。

經(jīng)過數(shù)據(jù)處理和過濾，*終用于驗證模型的數(shù)據(jù)包括自閉癥（n=24），雙相情感障礙（n=21），重度抑郁癥（n=23），未接受過****的精神分裂癥患者（n=22），以及健康對照組（n=84）。

當模型用于區(qū)分健康對照和精神分裂癥患者時，AUC值為0.84（95%CI：0.77-0.92）。用于區(qū)分精神分裂癥和其他三種精神**的患者時，AUC值為0.83（95%CI：0.75–0.92）。

當模型分別用于區(qū)分精神分裂癥患者與自閉癥、雙相情感障礙、重度抑郁癥患者時，也都顯示出較好的預測效果，AUC值分別為0.75（95%CI：0.61–0.89），0.85（95CI：0.74–0.97），0.90（95%CI：0.81–0.99）。

不過，研究人員也指出由于所使用隊列的樣本量和覆蓋面有限，對模型的評估結果與真實世界的使用之間仍存在差距。而且這個模型是基于外周血多種活細胞的檢測，在現(xiàn)階段還較難成為快速而經(jīng)濟的臨床診斷測試。

期待隨著臨床檢測技術的發(fā)展和模型算法的進步，此類生物標志物的檢測和相關診斷模型能早日進入臨床應用。