发布时间: 2020-07-10 12:26

人工智能可能有助于预测抑郁症症状对治疗的反应

研究人员测试了一种预测抗抑郁效果的算法。

    想象一下，精神卫生保健专业人员能够根据症状和脑电波数据可靠地预测一个患有抑郁症的人对某些抗抑郁药物的反应，而不是反复试验。最近，研究人员开发了一种人工智能（AI）算法，可以加速抑郁症的精确治疗。

    在6月22日发表在JAMA网络公开赛（JAMA Network Open）上的一项新研究中，研究人员利用机器学习与预处理症状评分和脑电波数据来预测哪些抑郁症状会通过抗抑郁药物改善。

    重性抑郁障碍（MDD）是一种常见的心理健康状况，在美国每年约有1600万成年人受到影响。幸运的是，抑郁症是可以治疗的；然而不幸的是，抑郁症是多种多样的，有无数可能的症状组合，这使得确定正确的治疗过程成为一个挑战。常用的汉密尔顿抑郁评定量表（HRSD）有21类症状，包括抑郁情绪、自我批评、自杀念头、睡眠困难、烦躁、忧虑、身体焦虑、食欲改变和能量损失。斯坦福大学的这项预测研究直接解决了这一挑战。

    数据收集于5个国家的20个地点，来自518名诊断为抑郁症的门诊患者，这些患者被随机分为三种不同的药物治疗8周：草酸依西酞普兰、盐酸舍曲林或盐酸文拉法辛缓释片。

    该团队开发了一种称为ElecTreeScore的机器学习模型，它使用梯度提升决策树（GBDTs）。他们使用模型来预测抗抑郁药物对汉密尔顿抑郁量表（HRSD）评分的每一个症状的治疗结果，基于症状严重程度和记录大脑电信号的预处理脑电图（EEG）。

    研究人员在研究中写道：“机器学习模型在21种临床医生评定的症状中，有12种达到了0.8或更高的C指数得分，这表明了区分能力。”。ElecTreeScore在预测体重减轻、虚幻、虚无主义和丧失洞察力的症状改善方面的C指数得分最高。研究小组得出结论，机器学习可以用来“识别症状和脑电图特征的独立关联，从而预测抗抑郁药对抑郁症特定症状的改善。”作为下一步，研究人员建议前瞻性地在临床试验和环境中验证这种方法。

Cami Rosso writes about science, technology, innovation, and leadership.

psychology today