机器学习有助于预测精神分裂症的治疗结果
可以通过机器学习帮助辅验心理健康障碍的诊断和治疗吗?艾伯塔大学的新研究正在通过发表的研究使我们更接近这个未来分子精神病学。
这项研究由Bo Cao在一个精神科教厅的U of Fal Cao领导,在休斯顿德克萨斯州德克萨斯州卫生科学中心大学的Xiang Yang Zhang。他们使用过机器学习算法检查功能性核磁共振影像(MRI)图像的新诊断,以前未经治疗的精神分裂症病人和健康的话题。通过测量被称为颞上皮层的大脑区域与大脑其他区域的连接,该算法成功识别出了精神分裂症患者,准确率为78%。它还以82%的准确率预测了患者是否会对一种名为利培酮的特定抗精神病药物产生积极反应。
“这是第一步,但最终我们希望能够找到可靠的生物标志物,可以在症状出现之前能够预测精神分裂症,”曹先生的精神病学教授曹说,“我们也想使用机器学习来优化患者的治疗计划。它不会取代医生。在未来,在此帮助机器学习如果医生能在第一次看病时为特定的病人选择最好的药物或治疗方法,那将是一个很好的进步。”
在其生命中的某个观点中,精神分裂症大约有一个人会受到精神分裂症的影响,严重和致残的精神疾病,妄想,幻觉和认知障碍。大多数患有精神分裂症的患者在生活中发挥症状,几十年来将与他们斗争。
曹教授说,精神分裂症和许多精神疾病的早期诊断是一个持续的挑战。对临床医生来说,在患者第一次就诊时提出个性化的治疗策略也是一个挑战。目前对精神分裂症的治疗仍然经常采用试错法。如果药物不能正常发挥作用,患者的症状和副作用可能会持续较长时间,从而错过控制和治疗疾病的最佳时机。
Cao希望扩大该工作,包括其他精神疾病,如主要抑郁和双相障碍。虽然初始结果精神分裂症诊断和治疗令人鼓舞的是,Cao说,在将这项工作转化为临床环境中有用的工具之前,还需要在大样本上进一步验证,需要进一步细化以提高准确性。
曹说:“这将是患者、精神病学家、神经科学家、计算机科学家和其他学科的研究人员的共同努力,以建立更好的工具来精确的心理健康。”“我们在亚利桑那大学有一个计算精神病学小组,由优秀的临床医生和科学家组成的团队合作解决这个具有挑战性的问题。”
进一步探索
用户评论