没有“一刀切”的方法来治疗早发性精神病

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，在识别采用错误治疗途径的患者时也有更高的成功率。

精神病早期干预服务于20世纪90年代首次建立，并被认为为首次发作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加强社区护理，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，生理，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，最大限度地提高一个年轻人的生命机会。但首先，这需要做更多的工作来接触多样化和具有代表性的群体，以确保所有人都能获得公平的护理。”

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途径可能的成功或失败。

这种方法还将有助于确保更多的患者能够获得最有可能使他们受益的治疗，而不考虑可能导致医疗保健不平等的环境和社会情况。

共同主要作者Paris Lalousis博士说:“为个体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，例如预测对药物的反应癌症治疗或识别有需要重症监护风险的个体。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结果。”