机器学习提供了洞察精神疾病的神经生物学和疾病分类学的基地

太多的注意力已经被吸引到使用分类模型对临床诊断精神病研究介绍了机器学习以来,但仍有现实的挑战。与此同时,使用机器学习的趋势来确定神经生物学特性和精神障碍疾病分类学提供新的见解的出现了。

协助领导的研究团队。陈教授霁浙江大学心理与行为科学系的总结了几个基于之前精神的新方向机器学习机器学习的研究,强调了重要作用提供神经生物学和疾病分类学的见解精神障碍。他们的研究结果发表在《华尔街日报》评论文章生物精神病学。

通过回顾最新的趋势在机器学习领域的精神障碍,陈记等人提出了自己的观点:

• (1)机器学习模型的分类准确率可以作为因变量来识别生物功能密切相关精神疾病的病理生理过程;
• (2)分类模型的准确率可以用来探索DSM的精神障碍分类之间的关系;和
• (3)Semi-supervised和非监督机器学习可以用来分析维度(诊断),经常重叠在诊断精神疾病的症状。

为了解决这些方法论的视角和应用策略,研究人员提出了常见的陷阱与输入数据或分析过程在技术层面,关注的主题“垃圾,输出的。”

本研究提供一个新的视角来筛选生物标志物的精神障碍和解决诊断异质性和伴随疾病问题精神病学研究。此外,它强调解决潜在问题的必要性和陷阱在数据采集中,模型建设和精化结果在使用机器学习识别可靠的生物标志物和探索精神障碍的新分类法。