一项发表在《生物精神病学》的新研究表明，用一系列简单的眼检测来识别异常眼运动可能有助于临床医师区分精神分裂症患者和非精神分裂症患者。
一项纳入近90例精神分裂症患者和近90例健康对照者的研究显示，以视力模式为重点的检测可以检出与精神分裂症相关的眼运动异常。在一个综合数据模型中，这些检测可准确区分两组患者，准确率达98.3%。
“结果非常令人激动，但检测的敏感性不够高。我们想了解特异性——同一检测是否也能区分精神分裂症和其他疾病。”第一作者Philip Benson（CPsychol，AFBPsS，英国阿伯丁大学帝王学院心理学高级讲师）在接受Medscape医学新闻采访时说。
Benson医师指出，他的研究团队对进一步研究“感到非常兴奋，”进一步研究的结果尚未发表，但已显示这些眼检测还可区分双相情感障碍患者和精神分裂症患者以及健康对照参与者。
“我们对单相情感障碍/重性抑郁亚组疾病也适用我们的方法非常有信心。”他说。
目前，研究者注意到这些眼检测非常便宜，并且易于在临床诊室中使用。
“眼运动异常似乎是稳定的性状，独立于目前的镇痛药物、复方药或检测时的精神状态。它们可能会被证明是精神分裂症素质的一种有价值的潜在生物学标志物。”
无创的生物标志物
“精神病学家花了很多时间研究严重精神疾病患者的眼球平滑移视运动和扫视运动。”Benson医师说。
尽管这些检测已显示出具有区分精神分裂症患者和健康对照参与者的前景，但准确程度还不够，很多“卡”在了60%-70%的水平，他指出。
Benson医师补充说，他和共同第一作者David St. Clair（阿伯丁大学精神卫生系和阿伯丁皇家康惠医院）在研究如何评估眼运动和使用脑电图（EEG）检测事件相关电位（ERP）方面“很有经验”。
“很快我们就明白了我们不同的背景和专业技能可能是理想的‘左右手’，我们这样就能够知道重性精神疾病的一种简单的无创生物标志物是否能成为现实。”他解释说。
在该研究中，88例临床诊断为精神分裂症的参与者和88例年龄匹配的无病参与者被纳入了慕尼黑Ludgwig-Maximillians大学或苏格兰3个精神疾病研究中心之一。
所有参与者均进行了一系列眼检测，包括平滑移视运动、自由观看和凝视固定检测。
“在平滑移视运动中，精神分裂症患者在双眼追踪平滑缓慢移动的物体方面存在明确缺陷。”研究者在一份声明中写道。
“几近完美”的准确性
在自由观看检测中，精神分裂症患者在目光扫过图片时往往出现异常模式。无病参与者则呈现典型的观看模式。
凝视固定检测要求参与者将他们的目光固定在静止目标上，而精神分裂症患者往往难以遵循这一要求。
间隔9个月后，一个包括26例精神分裂症患者和8名非精神分裂症参与者的亚组重新接受检测。此外，为了进一步验证预测效度，新入组的36例精神分裂症患者和52例无病参与者也接受了检测。
结果显示，与健康对照者相比，所有精神分裂症患者的每项眼检测均表现异常。
即使考虑性别、用药以及参与者是否吸烟，上述结果仍保持稳定。
重新检测和新参与者的预测效度为87.8%。
“然而，当我们检查298次评估的整个数据集时，一个已交叉验证的概率神经网络模型可区分所有病例和对照组，准确度接近完美，高达98.3%。”研究者们报告。
值得重复研究
Benson医师指出，当涉及保持双眼稳定的任务或甚至只是观看系列日常场景时，精神分裂症患者与非精神分裂症参与者之间的差异特别明显。
“这有点令人惊讶，因为这表明精神分裂症患者的眼运动存在广泛缺陷，但这也是一个非常重要的发现，因为它提示，除了移视和扫视途径，精神分裂症患者脑区还有更大的网络也可能无法正确发挥作用。”
然而，他补充说，这些检测是不完美的，认识到这一事实也非常重要。“假阳性和假阴性都是存在的——有些患者能很好地完成我们的部分检测，还有一些‘精神完好’的个体被错误地归类也不足为奇，因为他们可能还没有度过精神分裂症或其他疾病的危险期。”他说。
“传统的统计学方法是否能得出组间差异的大小似乎也会掩盖这些组关于眼追踪检测有用的异质性信息。我们对数据的分析十分周密，并且这篇文章报告的重新检测和新志愿者的指标表明，该模型的准确性和预测效度是值得尝试去复制的。”Benson医师说。
高敏感性
“看到这种模型诊断精神分裂症的敏感性如此之高很鼓舞人心。”John H. Krystal（《生物精神病学》主编，耶鲁大学医学院和纽黑文市退伍军人事务部康涅狄格州医疗保健系统）在一份声明中说。
“看到这种方法可使临床研究者区分精神分裂症患者和有其他精神疾病的患者很有趣。”他补充说。
根据这份声明，这正是Benson医师和St. Clair医师已经在进行的研究。实际上，他们已经发现眼运动异常“对不同的精神疾病亚组具有特异性，特异性是诊断性生物标志物的另一个关键要求。”
“我们接下来想要了解的是，何时能首先检出异常？这些方法何时能被用作早期干预研究的疾病标志物？”他们在声明中指出。
“我们还希望探索我们的结果在多大程度上能被开发用于常规临床实践。”
Benson医师在接受Medscape医学新闻采访时说，最近发表在《分子精神病学》（Mol Psychiatry.2012Aug7.）的一篇文章中，Thomas Insel（医学博士，美国国立精神卫生研究所所长）和同事写道，“全科医学和临床医学可以使用的检测有3000种。”
“然而，在精神病学领域，目前几乎还没有能够从外部验证诊断的客观检测。如果我们能够分离出更多表型，那么我们的检测可能会是一种可以辅助验证诊断过程的非常有用的工具。”
该研究得到伦敦皇家学会、Millar-Mackenzie信托公司、美国国立精神卫生研究所全基因组关联研究、阿伯丁大学的部分资助，以及得到欧洲框架6和苏格兰首席科学家办公室的基金资助。该研究的作者披露没有财务关系。
Simple viewing tests can detect eye movement abnormalities that distinguish schizophrenia cases from controls with exceptional accuracy
Benson PJ, Beedie SA, Shephard E, Giegling I, Rujescu D, St Clair D.
Background We have investigated which eye-movement tests alone and combined can best discriminate schizophrenia cases from control subjects and their predictive validity.
Methods A training set of 88 schizophrenia cases and 88 controls had a range of eye movements recorded; the predictive validity of the tests was then examined on eye-movement data from 34 9-month retest cases and controls, and from 36 novel schizophrenia cases and 52 control subjects. Eye movements were recorded during smooth pursuit, fixation stability, and free-viewing tasks. Group differences on performance measures were examined by univariate and multivariate analyses. Model fitting was used to compare regression, boosted tree, and probabilistic neural network approaches.
Results As a group, schizophrenia cases differed from control subjects on almost all eye-movement tests, including horizontal and Lissajous pursuit, visual scanpath, and fixation stability; fixation dispersal during free viewing was the best single discriminator. Effects were stable over time, and independent of sex, medication, or cigarette smoking. A boosted tree model achieved perfect separation of the 88 training cases from 88 control subjects; its predictive validity on retest assessments and novel cases and control subjects was 87.8%. However, when we examined the whole data set of 298 assessments, a cross-validated probabilistic neural network model was superior and could discriminate all cases from controls with near perfect accuracy at 98.3%.
Conclusions Simple viewing patterns can detect eye-movement abnormalities that can discriminate schizophrenia cases from control subjects with exceptional accuracy.
