Prädiktive, maschinell lernbasierte Modelle und Subtypmuster im peripheren Blut bei Schizophrenie auf Basis eines maschinellen Lern-Computational-Frameworks

Warum Blut dabei helfen kann, eine komplexe Erkrankung des Geistes zu entschlüsseln

Schizophrenie ist eine schwere psychische Erkrankung, die Gedanken, Gefühle und den Alltag stark beeinträchtigen kann, doch Ärzte stützen sich zur Diagnose nach wie vor überwiegend auf Verhaltensbeobachtungen. Diese Studie stellt eine einfache, aber wirkungsvolle Frage: Kann eine gewöhnliche Blutprobe verborgene biologische Muster offenbaren, die helfen, Schizophrenie früher zu erkennen und Patienten in besser angepasste Behandlungsgruppen zu unterteilen?

Auf Spurensuche in einem Blutstropfen

Die Forscher begannen damit, mehrere vorhandene Datensätze zusammenzutragen, in denen Blutproben von Menschen mit Schizophrenie und gesunden Freiwilligen bereits auf Genaktivität untersucht worden waren. Jedes Gen lässt sich als kleiner Schalter verstehen, der hoch- oder runtergeregelt sein kann. Durch das Zusammenführen von Tausenden dieser Schalter aus fünf separaten Studien und das Korrigieren technischer Unterschiede erstellte das Team eine große, vereinheitlichte Karte der Genaktivität im peripheren Blut. Anschließend suchten sie nach Genen, die bei Patienten gegenüber Kontrollen konsistent anders agierten, mit besonderem Fokus auf solche, die mit Entzündungen, Immunantworten und der zellulären Verarbeitung von Fetten und anderen Molekülen verknüpft sind.

Computern beibringen, eine verborgene Signatur zu erkennen

Da kein Mensch leicht nützliche Muster über so viele Gene hinweg erfassen kann, wandte sich das Team dem maschinellen Lernen zu, einem Teilgebiet der Informatik, das Algorithmen erlaubt, aus Daten zu lernen. Sie testeten 12 verschiedene Methoden des maschinellen Lernens und zahlreiche Kombinationen, und entschieden sich schließlich für eine Kombination, die zuerst die informativsten Gene auswählte und anschließend einen Klassifikator darauf aufbaute. Dieser Prozess führte zu einem kompakten Satz von 16 Genen, deren kombiniertes Aktivitätsmuster zuverlässig zwischen Schizophreniepatienten und Gesunden in acht verschiedenen Datensätzen unterscheiden konnte. Die Autoren wandelten diese 16-Gen-„Signatur“ in ein grafisches Bewertungstool, ein Nomogramm, um, zumindest theoretisch, Klinikern zu helfen, die Wahrscheinlichkeit einzuschätzen, dass eine gegebene Blutprobe von einer Person mit Schizophrenie stammt.

Was die Schlüsselgene über den Körper aussagen

Die vom Modell hervorgehobenen 16 Gene sind nicht zufällig gewählt. Viele stehen in Verbindung mit dem Immunsystem, Stressreaktionen der Zelle und der Art und Weise, wie der Körper Fette und Signalstoffe handhabt. Ein Gen stach besonders hervor: AZI2. Dessen Aktivität war stark mit Signalwegen verknüpft, die Entzündungen und das Verhalten von Immunzellen steuern, sowie mit Wegen, die bestimmen, wie Zellen auf Wachstums-, Teilungs- oder Sterbesignale reagieren. Beim Blick auf aus den Blutdaten inferierte Muster von Immunzellen fanden die Forscher Verschiebungen in mehreren Typen weißer Blutkörperchen bei Schizophrenie, was das Bild stützt, dass das Immunsystem bei der Störung dauerhaft verändert ist.

Zwei biologische Ausprägungen derselben Diagnose

Eine diagnostische Signatur ist nützlich, doch ist Schizophrenie bekannt dafür, stark zwischen Individuen zu variieren. Um diese Vielfalt zu untersuchen, setzten die Forscher unüberwachte Clusterverfahren ein, die Proben nach Ähnlichkeit gruppieren, ohne zu wissen, wer Patient ist oder welche Symptome vorliegen. Diese Methoden teilten die Schizophreniegruppe in zwei Haupt-Subtypen auf, und weiter in feinere Untergruppen. Ein Muster war stärker mit Veränderungen im Stoffwechsel verknüpft, etwa wie Zellen Energie und Fette nutzen, während das andere stärker mit Entzündungs- und Immunaktivität verbunden war. Die Gruppen unterschieden sich außerdem in Mengen von Proteinen und Genwegen, die mit Blutgerinnung, neuronaler Signalübertragung und Infektionsantworten zu tun haben, was nahelegt, dass Patienten mit derselben klinischen Diagnose tatsächlich unterschiedliche zugrundeliegende Biologien haben könnten.

Was das für die zukünftige Versorgung bedeuten könnte

Insgesamt deutet diese Arbeit darauf hin, dass ein kleines Panel von Genen, gemessen aus einer einfachen Blutentnahme, die Schizophrenie-Diagnose unterstützen und vielleicht noch wichtiger biologisch unterschiedliche Subtypen der Erkrankung aufdecken könnte. Bevor solche Werkzeuge in Kliniken Anwendung finden, sind allerdings weitergehende Tests in größeren, sorgfältig dokumentierten Patientengruppen nötig. Die Studie liefert jedoch einen Fahrplan hin zu einer personalisierteren Psychiatrie, in der Behandlungsentscheidungen nicht nur von Symptomen, sondern auch von molekularen Signalen des Körpers geleitet werden.

Zitation: Li, Z., Sun, Q., Li, H. et al. Machine learning-based predictive models and subtypes patterns in peripheral blood of schizophrenia based on a machine learning computational framework. Schizophr 12, 46 (2026). https://doi.org/10.1038/s41537-026-00744-z

Schlüsselwörter: Schizophrenie, Blut-Biomarker, maschinelles Lernen, Genexpression, Immunsystem