为了在更接近真实临床的场景中对模型进行验证，研究人员选择一个包括了4种不同精神疾病患者和健康对照的数据集作为验证队列。

经过数据处理和过滤，最终用于验证模型的数据包括自闭症（n=24），双相情感障碍（n=21），重度抑郁症（n=23），未接受过药物治疗的精神分裂症患者（n=22），以及健康对照组（n=84）。

当模型用于区分健康对照和精神分裂症患者时，AUC值为0.84（95%CI：0.77-0.92）。用于区分精神分裂症和其他三种精神疾病的患者时，AUC值为0.83（95%CI：0.75 0.92）。

当模型分别用于区分精神分裂症患者与自闭症、双相情感障碍、重度抑郁症患者时，也都显示出较好的预测效果，AUC值分别为0.75（95%CI：0.61 0.89），0.85（95CI：0.74 0.97），0.90（95%CI：0.81 0.99）。

不过，研究人员也指出由于所使用队列的样本量和覆盖面有限，对模型的评估结果与真实世界的使用之间仍存在差距。而且这个模型是基于外周血多种活细胞的检测，在现阶段还较难成为快速而经济的临床诊断测试。

期待随着临床检测技术的发展和模型算法的进步，此类生物标志物的检测和相关诊断模型能早日进入临床应用。

参考文献：

1.Ayano G, Demelash S, Yohannes Z, et al. Misdiagnosis, detection rate, and associated factors of severe psychiatric disorders in specialized psychiatry centers in Ethiopia[J]. Ann Gen Psychiatry. 2021,20(1):10.

2.Gonzalez-Pinto A, Gutierrez M, Mosquera F, et al. First episode in bipolar disorder: misdiagnosis and psychotic symptoms[J]. J Affect Disord. 1998,50(1):41 44.

3.Zaki JK, Lago SG, Rustogi N, et al. Diagnostic model development for schizophrenia based on peripheral blood mononuclear cell subtype-specific expression of metabolic markers[J]. Transl Psychiatry. 2022,12(1):457.

4.Charlson FJ, Ferrari AJ, Santomauro DF, et al. Global epidemiology and burden of schizophrenia: findings from the global burden of disease study 2016[J]. Schizophr Bull. 2018,44(6):1195 203.

5.Penttil M, J skel inen E, Hirvonen N, et al. Duration of untreated psychosis as predictor of long-term outcome in schizophrenia: systematic review and meta-analysis[J]. Br J Psychiatry. 2014,205(2):88 94.

6.Schwarz E, Guest PC, Steiner J, Bogerts B, Bahn S. Identification of blood-based molecular signatures for prediction of response and relapse in schizophrenia patients. Transl Psychiatry. 2012,2(2):e82.

7.Lago SG, Tomasik J, van Rees GF, et al. Exploring cellular markers of metabolic syndrome in peripheral blood mononuclear cells across the neuropsychiatric spectrum[J]. Brain Behav Immun. 2021,91:673 82