大多数心理健康问题的出现往往发生在青少年时期，并受到神经生物学和环境因素复杂结合的影响。一个新的流形学习技术已被开发出来，用于建模大脑与其环境之间的相互作用，比传统方法显著增强当前心理健康问题的检测，并改善对未来症状的预测。此项研究发表在埃尔塞维尔的《生物精神病学：认知神经科学与神经影像学》上，强调了将青少年大脑的发展与其周围环境整合的重要性。
青少年心理健康症状的出现日益显现出对人类生物学和行为更复杂和细致模型的需求，尤其是在理解心理健康症状的出现方面。尽管承认这一挑战，但许多研究仍继续分开或以简单线性术语检查大脑与环境因素。
耶鲁大学心理学系的博士候选人、共同首席作者梅·康利（May I. Conley, MS, MPhil）表示：“长期以来，发展科学家一直在努力测试那些在许多方面都显而易见的理论。从邻里到家庭，我们理解年轻人在其环境中的经历及其神经生物学都影响情感和行为的成长。然而，过去的方法未能准确捕捉这些相互作用的复杂性。”
为了解决这个问题，研究人员使用了流形学习，这是一组旨在揭示高维生物医学数据（如功能性磁共振成像（fMRI））中隐藏结构的算法。他们创建了外生PHATE（E-PHATE）算法，以探索大脑与环境的相互作用。利用由国家卫生研究院和其他联邦机构资助的青少年大脑与认知发展（ABCD）研究的数据，他们应用E-PHATE算法研究参与者在情感和认知任务中的大脑激活，以预测个体在特定时间点和更长期内在认知和情感行为症状上的差异。
研究中的一个关键发现是将各种环境因素纳入E-PHATE模型的影响。研究人员发现，当将邻里或家庭因素纳入E-PHATE时，脑部活动与心理健康症状之间的相关性增加。此外，当这些因素与其他因素结合时，模型继续改善其表示，这表明添加环境背景是至关重要的，而不仅仅是增加测试变量的数量。这加强了考虑青少年经历的多种环境的必要性，并考虑他们的大脑如何处理这些环境的信息。
首位作者埃里卡·L·布什（Erica L. Busch, MS, MPhil），耶鲁大学的博士候选人补充道：“我很高兴发现我在基础科学问题上工作的建模原则可以适应临床目的，从而产生如此显著的结果和见解。这次经历还展示了跨学科协作的宝贵性质。我的同事梅·康利和她的导师巴斯金-萨默斯博士在心理健康的生物心理社会模型方面是专家，结合我的计算技能，我们在定义该项目的目标和方法论方面发挥了重要作用。”
此项研究突出了新机器学习和信号处理方法的潜在临床应用，同时强调了青少年大脑与环境在情感和行为症状方面复杂且多层次的关系。研究人员提出了一种在临床和非临床环境中均适用的通用方法。
生物精神病学：认知神经科学与神经影像学的主编卡梅隆·S·卡特（Cameron S. Carter, MD）指出：“多年发展研究表明，神经生物学和周围环境都对心理健康症状的形成作出贡献。这项研究展示了流形学习等计算技术在建模多模式复杂发展数据方面的有效性，为推进我们对青少年情感和行为问题的理解展现了伟大的潜力。”
本研究在三个主要维度上引入了创新：
- 将神经和环境数据定义为多元测量。
- 将其互动视为非线性和低维的，呼应实际数据的复杂性。
- 使假设驱动和数据驱动的发现与这些信号相关联。
资深作者阿里尔·巴斯金-萨默斯（Arielle Baskin-Sommers, PhD）来自耶鲁大学心理学系，最后总结道：“我们领域必须增强捕捉个体与其环境之间复杂关系的能力。然而，为了准确测量这些关系，需要新的方法来整合各种数据类型，并评估它们在个体内的相互作用。这种跨学科研究所产生的方法论例证了我们如何更好地理解这些复杂动态。”
