Social and occupational impairments contribute to the burden of psychosis and depression. There is a need for risk stratification tools to inform personalized functional-disability preventive strategies for individuals in at-risk and early phases of these illnesses.To determine whether predictors associated with social and role functioning can be identified in patients in clinical high-risk (CHR) states for psychosis or with recent-onset depression (ROD) using clinical, imaging-based, and combined machine learning; assess the geographic, transdiagnostic, and prognostic generalizability of machine learning and compare it with human prognostication; and explore sequential prognosis encompassing clinical and combined machine learning.This multisite naturalistic study followed up patients in CHR states, with ROD, and with recent-onset psychosis, and healthy control participants for 18 months in 7 academic early-recognition services in 5 European countries. Participants were recruited between February 2014 and May 2016, and data were analyzed from April 2017 to January 2018.Performance and generalizability of prognostic models.A total of 116 individuals in CHR states (mean [SD] age, 24.0 [5.1] years; 58 [50.0%] female) and 120 patients with ROD (mean [SD] age, 26.1 [6.1] years; 65 [54.2%] female) were followed up for a mean (SD) of 329 (142) days. Machine learning predicted the 1-year social-functioning outcomes with a balanced accuracy of 76.9% of patients in CHR states and 66.2% of patients with ROD using clinical baseline data. Balanced accuracy in models using structural neuroimaging was 76.2% in patients in CHR states and 65.0% in patients with ROD, and in combined models, it was 82.7% for CHR states and 70.3% for ROD. Lower functioning before study entry was a transdiagnostic predictor. Medial prefrontal and temporo-parieto-occipital gray matter volume (GMV) reductions and cerebellar and dorsolateral prefrontal GMV increments had predictive value in the CHR group; reduced mediotemporal and increased prefrontal-perisylvian GMV had predictive value in patients with ROD. Poor prognoses were associated with increased risk of psychotic, depressive, and anxiety disorders at follow-up in patients in the CHR state but not ones with ROD. Machine learning outperformed expert prognostication. Adding neuroimaging machine learning to clinical machine learning provided a 1.9-fold increase of prognostic certainty in uncertain cases of patients in CHR states, and a 10.5-fold increase of prognostic certainty for patients with ROD.Precision medicine tools could augment effective therapeutic strategies aiming at the prevention of social functioning impairments in patients with CHR states or with ROD.

BackgroundChronic low-grade inflammation is observed across mental disorders and is associated with difficult-to-treat-symptoms of anhedonia and functional brain changes – reflecting a potential transdiagnostic dimension. Previous investigations have focused on distinct illness categories in those with enduring illness, with few exploring inflammatory changes. We sought to identify an inflammatory signal and associated brain function underlying anhedonia among young people with recent onset psychosis (ROP) and recent onset depression (ROD).MethodResting-state functional magnetic resonance imaging, inflammatory markers, and anhedonia symptoms were collected from N=108 (M age=26.2[SD 6.2]years; Female =50) participants with ROP (n=53) and ROD (n=55) from the EU-FP7-funded PRONIA study. Time-series were extracted using the Schaefer atlas, defining 100 cortical regions of interest. Using advanced multimodal machine learning, an inflammatory marker model and functional connectivity model were developed to classify an anhedonic group, compared to a normal hedonic group.ResultsA repeated nested cross-validation model using inflammatory markers classified normal hedonic and anhedonic ROP/ROD groups with a balanced accuracy (BAC) of 63.9%, and an area under the curve (AUC) of 0.61. The functional connectivity model produced a BAC of 55.2% and an AUC of 0.57. Anhedonic group assignment was driven by higher levels of Interleukin-6, S100B, and Interleukin-1 receptor antagonist, and lower levels of Interferon gamma, in addition to connectivity within the precuneus and posterior cingulate.ConclusionWe identified a potential transdiagnostic anhedonic subtype that was accounted for by an inflammatory profile and functional connectivity. Results have implications for anhedonia as an emerging transdiagnostic target across emerging mental disorders.

Abstract The aim of this study was to examine the neurocognitive deficits associated with the first episode of major depressive disorder (recent onset depression, ROD) in adolescents as compared to adult patients. Cross-sectional neurocognitive data from the baseline assessments of the PRONIA study with N = 650 (55.31% females) were analyzed. Based on a principal component analysis of eleven neurocognitive tests, we constructed an overall neurocognitive performance (NP) score. We examined mean score differences in NP between the groups of healthy controls (HC) and ROD and between adolescents (15–21 years) and adults (22–40 years) within a GLM approach. This accounts for unbalanced data with focus on interaction effects while controlling for effects of medication and educational years. Our results show lower NP for the ROD as compared to the HC group (d = − 0.29, p = .046) and lower NP for the adolescent group as compared to the adult group (d = − 0.29; p < .039). There was no interaction between these two group effects (F = 1.11; p = .29). Our findings suggest that the detrimental effect of ROD on neurocognitive functioning is comparable in adolescent and adult patients, since lower scores in adolescent patients are explained by effects of age and education. Neurocognitive impairment is an under addressed issue in clinical treatment guidelines for adolescent MDD. We suggest efficient monitoring in clinical practice by using an aggregate of the Digit Symbol Substitution Test and the Trail Making Test B, which highly correlated with the overall score of NP (r = 0.82).