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）图像耐心和健康的科目。通过测量脑区域的脑区的连接到大脑的其他地区，算法成功地以78％的精度鉴定了精神分裂症的患者。它还预测了82％的准确性，无论患者是否会对名为Risperidone的特定抗精神病药物响应。

“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。“

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。

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。

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。”

---

---