机器学习有助于预测精神分裂症的治疗结果

有朝一日，机器学习能帮助诊断和治疗心理健康障碍吗?阿尔伯塔大学的一项新研究通过发表在《科学》杂志上的一项研究让我们离那个未来更近了一步《分子精神病学》。

该研究由A大学精神病学部门的曹波领导，与德克萨斯大学休斯顿健康科学中心的张向阳合作。他们使用了机器学习算法检查功能磁共振对新诊断的，以前未经治疗的精神分裂症的成像（MRI）图像耐心和健康的话题。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，但最终我们希望找到可靠的生物标志物，可以在症状出现之前预测精神分裂症，”Cao说，他是亚利桑那大学精神病学助理教授。“我们还想利用机器学习来优化患者的治疗计划。它不能代替医生。在未来的帮助下机器学习，如果医生可以在第一次访问中选择特定患者的最佳药物或程序，那将是一个良好的一步前进。“

大约每100个人中就有一个人会在人生的某个阶段受到精神分裂症的影响，这是一种严重的、致残的精神疾病，伴随有幻觉、幻觉和认知障碍。大多数精神分裂症患者在生命早期就出现了这些症状，并将与之斗争数十年。

根据Cao，精神分裂症的早期诊断和许多精神障碍是一个持续的挑战。在第一次与患者的一次访问中出现个性化治疗战略也是临床医生的挑战。目前的精神分裂症治疗仍然通过试验和错误风格来确定。如果药物无法正常工作，患者可能会持续长时间的症状和副作用，并且错过了让疾病控制和治疗的最佳时间窗口。

曹教授希望将这项工作扩展到其他精神疾病，如重度抑郁症和双相情感障碍。而初步的结果精神分裂症诊断和治疗令人鼓舞的是，CAO说，在大型样品上进一步的验证是必要的，需要在临床环境中转化为一个有用的工具之前，需要提高准确性。

“将是患者，精神科医生，神经科学家，计算机科学家和其他学科的联合努力，以建立更好的精确心理健康工具，”曹说。“我们拥有一个在U的计算精神病学团体，一个优秀的临床医生和科学家团队，就这个具有挑战性的问题合作地工作。”