Functional magnetic resonance imaging in schizophrenia: current evidence, methodological advances, limitations and future directions
Notice bibliographique
Résumé
Functional neuroimaging emerged with great promise and has provided fundamental insights into the neurobiology of schizophrenia. However, it has faced challenges and criticisms, most notably a lack of clinical translation. This paper provides a comprehensive review and critical summary of the literature on functional neuroimaging, in particular functional magnetic resonance imaging (fMRI), in schizophrenia. We begin by reviewing research on fMRI biomarkers in schizophrenia and the clinical high risk phase through a historical lens, moving from case-control regional brain activation to global connectivity and advanced analytical approaches, and more recent machine learning algorithms to identify predictive neuroimaging features. Findings from fMRI studies of negative symptoms as well as of neurocognitive and social cognitive deficits are then reviewed. Functional neural markers of these symptoms and deficits may represent promising treatment targets in schizophrenia. Next, we summarize fMRI research related to antipsychotic medication, psychotherapy and psychosocial interventions, and neurostimulation, including treatment response and resistance, therapeutic mechanisms, and treatment targeting. We also review the utility of fMRI and data-driven approaches to dissect the heterogeneity of schizophrenia, moving beyond case-control comparisons, as well as methodological considerations and advances, including consortia and precision fMRI. Lastly, limitations and future directions of research in the field are discussed. Our comprehensive review suggests that, in order for fMRI to be clinically useful in the care of patients with schizophrenia, research should address potentially actionable clinical decisions that are routine in schizophrenia treatment, such as which antipsychotic should be prescribed or whether a given patient is likely to have persistent functional impairment. The potential clinical utility of fMRI is influenced by and must be weighed against cost and accessibility factors. Future evaluations of the utility of fMRI in prognostic and treatment response studies may consider including a health economics analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,083 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».