发布日期：2018-07-17
机器学习可以帮助进行精神疾病的诊断和治疗工作吗？近日，来自阿尔伯塔大学（University of Alberta）的华人学者Bo Cao博士及其团队完成了一项新研究，可以用机器学习技术来预测精神分裂症的治疗结果。该研究发表在了自然出版集团旗下期刊《Molecular Psychiatry》上。
精神分裂症是一种严重的精神疾病，伴随妄想，幻觉和认知障碍等症状。据统计，大约每100人中就有一人会受到精神分裂症的影响。大多数精神分裂症患者在年轻时就会出现相关症状，并将与这一疾病展开数十年的斗争。
精神分裂症和其它许多精神疾病的早期诊断，以及提出个性化的治疗策略，对临床医生来讲是一项持续的挑战。目前，精神分裂症的治疗方法还是通过反复试验试错的方式得出。如果药物不能起效，患者可能会出现长时间的相关症状及副作用，更有可能错过控制和治疗疾病的最佳时间。因此，研究出治疗精神分裂症等疾病的治疗方案至关重要。
研究人员使用机器学习算法来分析新诊断出且未经治疗的精神分裂症患者，以及健康受试者的核磁共振图像（MRI）。通过测量大脑的上颞叶皮层其他区域的连接状况，该算法能够以78%的准确率成功识别出精神分裂症患者。同时，该算法还能够以82%的准确度，来预测患者是否会对特定抗精神疾病药物利培酮的治疗产生积极反应。
“这项研究还只是我们迈出的第一步。我们希望，最终可以找到可靠的生物标志物，能够在症状出现之前对精神分裂症进行预测，”该研究的负责人之一、阿尔伯塔大学精神病学助理教授Bo Cao博士表示：“同时，我们也想利用机器学习技术，来优化患者的治疗方案，而并非让这种技术取代医生。未来如果在机器学习的帮助下，医生能够在首次就诊时就为患者选择最佳的药物或治疗手段，那将是一次巨大的飞跃。”
Cao博士希望将这项研究的范围扩大到其他精神疾病，如重度抑郁症和双相障碍等。虽然该算法在进行精神分裂症诊断和治疗时，得到的初步结果令人振奋，但是这项研究仍然需要在大量样本中进一步进行验证，并且需要改进来提高预测准确性。这样一来，才能将研究成果真正转化为临床环境中的实用辅助工具。
来源：药明康德AI
