Существует поразительный набор достижений в таких областях, как геномика, протеомика и функциональная визуализация мозга, которые могут предоставить подробную информацию о природе психических расстройств. Способность интегрировать эти знания с информацией, связанной с фенотипическим выражением в форме познания, эмоций и поведения, а также с информацией, касающейся риска развития и окружающей среды, открывает новые границы для понимания природы психических расстройств.Однако эти возможности не будут реализованы без разработки и оценки новых вычислительных методов и инструментов, необходимых для интеграции разнообразия модальностей информации (например, о генах, белках, схемах мозга, развитии, социальном, поведенческом) в унифицированный анализ. Обычные методы и приемы не могут «увидеть» тот сложный субстрат, из которого возникают и поддерживаются психические расстройства, который основан не только на отношениях между переменными, охватывающими вышеупомянутые разнообразные модальности информации, но и на эмерджентных свойствах системы, в которую эти переменные входят.
Традиционные методологии и подходы к анализу данных в психиатрических исследованиях неспособны надежно установить причинно-следственные связи без экспериментальных планов или сделать выводы о функциональных свойствах сложных систем, в которые встроены психические расстройства. По мере развития психиатрических исследований исследователям все чаще будет необходимо интегрировать процедуры обработки многомерной информации в свои наборы данных. Это, безусловно, было проблемой для исследований с использованием более традиционных статистических методологий, связанных с ограничениями количества переменных, которые могут быть включены в данный анализ. Это также проблема с методом CS-CN по причинам, характерным для самого сетевого анализа.Основная проблема с интеграцией многомерной информации одной модальности с информацией другой модальности в рамках сетевого анализа заключается в том, что погрешности измерения могут повлиять на результаты исследования. Если набор данных содержит очень большое и непропорциональное количество переменных данной модальности (например, генов) по сравнению с переменными других модальностей (например, демографических), наблюдаемые свойства масштабирования сети могут быть просто обусловлены непропорционально большим количеством переменных. в многомерной модальности по сравнению с другими переменными в наборе данных.
С точки зрения традиционной статистической аналитики, которая десятилетиями доминировала в психиатрических исследованиях, существует неотъемлемая проблема предложения нового метода анализа данных, который значительно отличается от устоявшихся. Если результаты, полученные с помощью нового метода, слишком согласуются с тем, что было сообщено в литературе, новый метод не пройдет тест на новизну . Зачем прилагать все усилия для разработки и проверки нового метода, если полученные результаты не являются достаточно новыми , учитывая текущее состояние литературы? С другой стороны, если результаты, полученные с помощью нового метода, слишком сильно отклоняются от того, что известно из литературы, новый метод рискует быть отвергнутым. Соответственно, новые методы должны достигать баланса между достаточной новизнойи достаточно согласуется с литературой. Далее мы обсудим доказательства такого баланса.
Добавить комментарий