利用结构MRI数据和社会心理因素对广泛性焦虑和惊恐进行多模态表型分类：德国国家队列（NAKO）研究的机器学习结果

焦虑障碍是常见且损害心理健康的状态。利用德国国家队列研究（NAKO）中26,378名成年人的数据，我们研究了广泛性焦虑障碍（GAD）症状和惊恐发作的心理社会与神经影像预测因子。我们结合心理社会变量，对全脑影像数据中246个感兴趣区域进行了机器学习分析。仅使用神经影像数据时分类性能欠佳，而仅使用心理社会变量——尤其是抑郁症状、压力和童年创伤——对GAD症状和惊恐发作实现了最强的区分能力。将神经影像特征加入心理社会模型后，通过减少假阳性分类，不平衡准确率和特异性略有提升，表明神经解剖信息具有条件性和互补性的贡献。在多变量模型中，来自焦虑相关回路（包括杏仁核和顶上小叶）的特征被一致地选择。总体而言，这些发现表明，心理社会因素在焦虑结果的分类中占主导地位，而结构MRI测量可能在多模态框架内提供补充信息，旨在优化分类并支持制定个体化风险特征，以指导定制化的治疗和预防策略。