没有“一刀切”的治疗早发性精神病的方法

针对早期精神病患者的金标准治疗方案的成功率参差不齐，这表明需要开发更有针对性的治疗方法。

伯明翰大学研究人员的一篇新论文表明，“一刀切”的方法可能无法满足所有精神病早期阶段年轻人的需求。相反，在论文中，发表在转化精神病学研究人员认为，机器学习技术可以用于提供专门针对群体甚至个人的治疗计划。

这种方法可能意味着在设计治疗方案时更精确，在识别治疗路径错误的患者时也有更好的成功率。

精神病早期干预服务最早于20世纪90年代建立，被公认为为首发精神病的年轻人提供了最好的康复机会。目前可用的治疗方法包括抗精神病药物强化社区护理以及社会和心理干预。

首席研究员，洛瑞·格里菲思博士，他是受《转化精神病学他说:“众所周知早期干预会带来更好的结果，尤其是在年轻人．然而，尽管接受了金标准治疗，仍有相当多的人没有从这些干预措施中受益。”

“我们需要考虑一系列的因素，从心理的，生理的，和社会环境在正确的时间，为正确的人，找到正确的治疗方法，最大化一个年轻人的生命机会。但首先，这需要更多地接触不同和有代表性的群体，以确保医疗对所有人都是公平的。”

研究人员认为，机器学习方法可以作为临床决策的“指南”，越来越准确地识别患者数据中的关键标记，这些标记将表明任何特定路径可能的成功或失败。

这种方法还将有助于确保更多的病人能够获得最可能使他们受益的治疗，而不管环境和社会环境如何可能导致保健不平等。

共同主要作者Paris Lalousis博士说:“为个别患者或患者群体设计治疗方案所需的技术已经存在。我们看到机器学习已经在许多临床领域使用，比如预测对癌症治疗或识别有需要重症监护风险的个人。我们需要的是一个框架，使我们能够调查和测试这些技术，这样我们就可以利用它们来改善精神病患者的治疗结果。”