Персонализированный подход к оценке состояния детей с психическими заболеваниями на основе параметров различных модальностей

Персонализированный подход к оценке состояния детей с психическими заболеваниями на основе параметров различных модальностей

 

Авторы

 

Е.Г. Черемных

ФГБНУ «Научный центр психического здоровья», Москва, Россия

С.А. Зозуля

ФГБНУ «Научный центр психического здоровья», Москва, Россия

А.Н. Позднякова

ФГБНУ «Научный центр психического здоровья», Москва, Россия

И.Н. Отман

ФГБНУ «Научный центр психического здоровья», Москва, Россия

О.В. Шушпанова

ФГБНУ «Научный центр психического здоровья», Москва, Россия

Т.Е. Блинова

ФГБНУ «Научный центр психического здоровья», Москва, Россия

Н.С. Шалина

ФГБНУ «Научный центр психического здоровья», Москва, Россия

А.В. Куликов

ФГБНУ «Научный центр психического здоровья», Москва, Россия

Е.Е. Балакирева

ФГБНУ «Научный центр психического здоровья», Москва, Россия

 

https://doi.org/10.26617/1810-3111-2026-2(131)-38-52

 

Журнал:Сибирский вестник психиатрии и наркологии. 2026; 2(131): 38-52.

 

Реферат

Актуальность.Исследование корреляций биологических параметров с тяжестью состояния пациентов с психическими расстройствами представляет затруднения в виду их клинического разнообразия, выявляемых разнонаправленных изменений биомаркеров и особенностей метаболизма пациентов. Достаточный и надежный уровень статистической значимости достигается при исследовании однородных групп, число пациентов в которых должно суммарно возрастать с каждым добавленным маркером. Формирование однородных клинических групп пациентов с психической патологией представляет сложную задачу, так как помимо психопатологической оценки состояния больных требует учета многочисленных параметров – пола, возраста, действия лекарственных препаратов, наличия факторов риска и сопутствующих заболеваний, что существенно увеличивает размеры выборок. В современных условиях решить эту проблему не представляется возможным. Цель: разработка способа персонифицированной оценки пациентов детского возраста с расстройствами аутистического (ASD) и шизофренического (SSD) спектров с помощью сравнения совокупности параметров ряда биохимических маркеров с соответствующими показателями контрольных групп. Материал и методы. Обследованы находившиеся на стационарном лечении пациенты (n=34) в возрасте от 7 до 13 лет, из них 12 ‒ c ASD (F84.02, F84.11, F84.12, F84.2 по МКБ-10), 22 ‒ с SSD (F20.0, F20.3, F20.8, F21.4). Клинико-психопатологическое обследование проводилось для пациентов с ASD с использованием шкал CARSи BFCRS, для пациентов с SSD – шкалы PANSS. Лабораторные методы включали определение в сыворотке и плазме крови следующих маркеров: маркер системы комплемента (D), активность лейкоцитарной эластазы (LE) и протеиназного ингибитора (α1-π), уровень антител к основному белку миелина (aMBP), уровень С-реактивного белка (CRP). Лечение продолжалось 3-4 недели. Корреляции отдельных маркеров и психометрических оценок вычисляли с помощью непараметрического метода Спирмена. Результаты. Для каждого пациента в контексте теоретической модели нечетких множеств вычислены интегральные коэффициенты по биомаркерам (далее ‒ kgbio) и проведено их сопоставление с клинико-психометрической оценкой до и после терапии. Показано, что уровни отдельных биомаркеров (LE, α1-π, D, CRP, kgbio) статистически значимо коррелируют с клиническими показателями как при ASD, так и при SSD. При этом значимые уровни коэффициентов корреляции в обеих группах пациентов отличаются и определяют связи разных маркеров и психометрических оценок. Заключение. В настоящем исследовании апробирован подход вычисления интегральных коэффициентов kgbio и сопоставление их с оценкой состояния пациентов с ASD и SSD по психометрическим шкалам. В большинстве случаев совокупность биологических показателей и их коэффициентов соответствует степени тяжести клинического состояния больных.

 

Ключевые слова: персонифицированная диагностика, аутизм, шизофрения, интегральная оценка, биомаркеры, нечеткие множества.

 

Статья (pdf)

 

Связь с автором

Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

 

Дополнительные материалы

 

Для цитирования: Черемных Е.Г., Зозуля С.А., Позднякова А.Н., Отман И.Н., Шушпанова О.В., Блинова Т.Е., Шалина Н.С., Куликов А.В., Балакирева Е.Е. Персонализированный подход к оценке состояния детей с психическими заболеваниями на основе параметров различных модальностей. Сибирский вестник психиатрии и наркологии. 2026. № 2 (131). С. 38-52. https://doi.org/10.26617/1810-3111-2026-2(131)-38-52

 

Литература

  1. Jiang Z, Cheng X, Zheng Y, Cui Y. The characteristics of mental disorders diagnosis: Current status and challenges. Asian J Psychiatr. 2025 Jun;108:104492. https://doi.org/10.1016/j.ajp.2025.104492. Epub 2025 Apr 12. PMID: 40239477.
  2. Walter H. The third wave of biological psychiatry. Front Psychol. 2013 Sep 5;4:582. https://doi.org/10.3389/fpsyg.2013.00582. PMID: 24046754; PMCID: PMC3763485.
  3. Sharma H. Statistical significance or clinical significance? A researcher's dilemma for appropriate interpretation of research results. Saudi J Anaesth. 2021 Oct-Dec;15(4):431-434. https://doi.org/10.4103/sja.sja_158_21. Epub 2021 Sep 2. PMID: 34658732; PMCID: PMC8477766.
  4. AbdulRaheem Y. Statistical significance versus clinical relevance: Key considerations in interpretation medical research data. Indian J Community Med. 2024 Nov-Dec; 49(6):791-795.https://doi.org/10.4103/ijcm.ijcm_601_23. Epub 2024 Oct 17. PMID: 39668913; PMCID: PMC11633268.
  5. Osimo EF, Pillinger T, Rodriguez IM, Khandaker GM, Pariante CM, Howes OD. Inflammatory markers in depression: a meta-analysis of mean differences and variability in 5,166 patients and 5,083 controls. Brain, Behav, Immun. 2020 Febr;87(1):901-909. https://doi.org/10.1016/j.bbi.2020.02.010.
  6. van Amstel RBE, van Vught LA, Bos LDJ. Integrating biology into clinical trial design. Curr Opin Crit Care. 2023 Feb 1;29(1):26-33.https://doi.org/10.1097/MCC.0000000000001007. Epub2022 Dec 9. PMID: 36580371.
  7. Андросова Л.В., Симашкова Н.В., Шушпанова О.В., Отман И.Н., Клюшник Т.П. Возможности использования некоторых иммунологических показателей для оценки тяжести клинического состояния пациентов, с начавшейся в детском возрасте шизофренией. Журн. неврологии и психиатрии им. С.С. Корсакова. 2016. Т. 116, № 2. С. 85-89. https://doi.org/10.17116/jnevro20161162185-89.
  8. Клюшник Т.П., Андросова Л.В., Симашкова Н.В., Зозуля С.А., Отман И.Н., Шушпанова О.В., Брусов О.С. Клинико-лабораторная диагностика расстройств аутистического спектра у детей. Лабораторная служба. 2016. Т. 5, № 2. С. 22-27. https://doi.org/ 10.17116/labs20165222-27.
  9. Зозуля С.А., Сарманова З.В., Отман И.Н., Клюшник Т.П. Маркеры воспаления при шизофрении для науки и практики. Доктор.Ру. 2023. Т. 22, № 6. С. 7-14.https://doi.org/10.31550/1727-2378-2023-22-6-7-14.
  10. Черемных Е.Г., Позднякова А.Н., Балакирева Е.Е., Никитина С.Г., Блинова Т.Е., Шалина Н.С., Якупова Л.П., Куликов А.В., Шушпанова О.В. Маркер системы комплемента для оценки эффективности терапии расстройств аутистического спектра и детской шизофрении. Психиатрия. 2024. Т. 22, № 5. С. 38-48. https://doi.org/10.30629/2618-6667-2024-22-5-38-48.
  11. Черемных Е.Г., Позднякова А.Н., Соколов О.Ю., Зозуля С.А., Отман И.Н., Савушкина О.К., Прохорова Т.А., Терешкина Е.Б. Устройство для биологических и биохимических исследований. Патент на полезную модель. RU223119. 2024. 01.02. Бюл. № 4.
  12. Inncent PR, John RI, Garibaldi JM. Fuzzy methods for medical diagnosis. AppliedArtificialIntelligence. 2005 Jan; 19(1):69-98.https://doi.org/10.1080/08839510590887414.
  13. Зак Ю.А. Принятие решений в условиях нечетких и размытых данных. М.: Ленард, 2016. 352 с.
  14. Kuhlmann CR, Librizzi L, Closhen D, Pflanzner T, Lessmann V, Pietrzik CU, de Curtis M, Luhmann HJ. Mechanisms of C-reactive protein-induced blood-brain barrier disruption. Stroke. 2009 Apr;40(4):1458-66. https://doi.org/10.1161/STROKEAHA.108.535930. Epub 2009 Feb 26. PMID: 19246692.
  15. Алексеева А.Г., Клюшник Т.П., Зозуля С.А., Борисова О.А., Копейко Г.И. Тактика ведения больных приступообразной шизофренией на этапе ремиссии с учетом иммунологических показателей. Психиатрия. 2024. Т. 22, № 4. С. 74-84. https://doi.org/10.30629/2618-6667-2024-22-4-74-84.
  16. Клюшник Т.П., Бархатова А.Н., Шешенин В.С., Андросова Л.В., Зозуля С.А., Отман И.Н., Почуева В.В. Особенности иммунологических реакций у пациентов пожилого и молодого возраста с обострением шизофрении. Журн. неврологии и психиатрии им. С.С. Корсакова. 2021. Т. 121, № 2. С. 53-59. https://doi.org/10.17116/jnevro202112102153.
  17. AmhaH , GetnetA,  MunieB.M, WorkieT, AlemG, MulugetaH, BishawKA, AyenewT, GedfewM, DestaM, WubetuM. Relapse rate and predictors among people with severe mental illnesses at Debre Markos comprehensive specialized hospital, Northwest Ethiopia: a prospective follow up study. Eur Arch Psychiatry Clin Neurosci. 2024 Sep 18. https://doi.org/10.1007/s00406-024-01900-1. Online ahead of print.
  18. Müller N, Weidinger E, Leitner B, Schwarz M. The role of inflammation in schizophrenia. Front Neurosci. 2015 Oct; 9:372. https://doi.org/10.3389/fnins.2015.00372. PMID: 26539073; PMCID: PMC4612505.
  19. Momtazmanesh S, Zare-Shahabadi A, Rezaei N. Cytokine alterations in schizophrenia: An updated review. Front Psychiatry. 2019 Dec 6;10:892. https://doi.org/10.3389/fpsyt.2019.00892. PMID: 31908647; PMCID: PMC6915198.
  20. Dawidowski B, Górniak A, Podwalski P, Lebiecka Z, Misiak B, Samochowiec J. The role of cytokines in the pathogenesis of schizophrenia. J Clin Med. 2021 Aug 27;10(17):3849. https://doi.org/10.3390/jcm10173849. PMID: 34501305; PMCID: PMC8432006.
  21. Lv H, Guo M, Guo C, He K. The interrelationships between cytokines and schizophrenia: A systematic review. Int J Mol Sci. 2024 Aug 3;25(15):8477. https://doi.org/10.3390/ijms25158477. PMID: 39126046; PMCID: PMC11313682.
  22. Lin C, Chen K, Yu J, Feng W, Fu W, Yang F, Zhang X, Chen D. Relationship between TNF-α levels and psychiatric symptoms in first-episode drug-naïve patients with schizophrenia before and after risperidone treatment and in chronic patients. BMC Psychiatry. 2021 Nov 11;21(1):561. https://doi.org/10.1186/s12888-021-03569-5. PMID: 34763685; PMCID: PMC8588730.
  23. Nadalin S, Ljoka I, Savić A, Silić A, Peitl V, Karlović D, Vilibić M, Zatković L, Buretić-Tomljanović A. Association between the COX-2 rs689466 polymorphism and antipsychotic treatment: Impact on HDL cholesterol changes in clozapine-treated psychosis patients. Prostaglandins Leukot Essent Fatty Acids. 2025 Apr; 204:102665. https://doi.org/10.1016/j.plefa.2025.102665.Epub 2025 Jan 29. PMID: 39908800.
  24. Guimarães AL, Richer Araujo Coelho D, Scoriels L, Mambrini J, Ribeiro do Valle Antonelli L, Henriques P, Teixeira-Carvalho A, Assis Martins Filho O, Mineo J, Bahia-Oliveira L, Panizzutti R. Effects of Toxoplasma gondii infection on cognition, symptoms, and response to digital cognitive training in schizophrenia. Schizophrenia (Heidelb). 2022 Nov 25;8(1):104. https://doi.org/10.1038/s41537-022-00292-2. Erratum in: Schizophrenia (Heidelb). 2022 Dec 30;8(1):117. https://doi.org/110.1038/s41537-022-00327-8. PMID: 36434103; PMCID: PMC9700796.
  25. Maas DA, Martens MB, Priovoulos N, Zuure WA, Homberg JR, Nait-Oumesmar B, Martens GJM. Key role for lipids in cognitive symptoms of schizophrenia. Transl Psychiatry. 2020 Nov 12;10(1):399. https://doi.org/10.1038/s41398-020-01084-x. PMID: 33184259; PMCID: PMC7665187.
  26. De Hert M, Schreurs V, Vancampfort D, VAN Winkel R. Metabolic syndrome in people with schizophrenia: a review. World Psychiatry. 2009 Feb;8(1):15-22. https://doi.org/10.1002/j.2051-5545.2009.tb00199.x. Erratum in: World Psychiatry. 2011 Feb;10(1):78. PMID: 19293950; PMCID: PMC2656262.
  27. García-Gutiérrez MS, Navarrete F, Sala F, Gasparyan A, Austrich-Olivares A, Manzanares J. Biomarkers in psychiatry: concept, definition, types and relevance to the clinical reality. Front Psychiatry. 2020 May 15;11:432. https://doi.org/10.3389/fpsyt.2020.00432. PMID: 32499729; PMCID: PMC7243207.
  28. Yatham LN. Biomarkers for clinical use in psychiatry: where are we and will we ever get there? World Psychiatry. 2023 Jun;22(2):263-264.https://doi.org/10.1002/wps.21079. PMID: 37159356; PMCID: PMC10168147.
  29. Симашкова Н.В., Клюшник Т.П., Коваль-Зайцев А.А., Якупова Л.П. Клинико-биологические подходы к диагностике детского аутизма и детской шизофрении. Аутизм и нарушения развития. 2016. Т. 14, № 4. С. 51-67. https://doi.org/10.17759/autdd.2016140408.
  30. Saboori Amleshi R, Ilaghi M, Rezaei M, Zangiabadian M, Rezazadeh H, Wegener G, Arjmand S. Predictive utility of artificial intelligence on schizophrenia treatment outcomes: A systematic review and meta-analysis. Neurosci Biobehav Rev. 2025 Feb;169:105968. https://doi.org/10.1016/j.neubiorev.2024.105968. Epub 2024 Dec 4. PMID: 39643220.