發布時間: 2020-07-10 12:28

人工智能可能有助於預測抑郁癥癥狀對治療的反應

研究人員測試了壹種預測抗抑郁效果的算法。

想象壹下，精神衛生保健專業人員能夠根據癥狀和腦電波數據可靠地預測壹個患有抑郁癥的人對某些抗抑郁藥物的反應，而不是反復試驗。最近，研究人員開發了壹種人工智能（AI）算法，可以加速抑郁癥的精確治療。

在6月22日發表在JAMA網絡公開賽（JAMA Network Open）上的壹項新研究中，研究人員利用機器學習與預處理癥狀評分和腦電波數據來預測哪些抑郁癥狀會通過抗抑郁藥物改善。

重性抑郁障礙（MDD）是壹種常見的心理健康狀況，在美國每年約有1600萬成年人受到影響。幸運的是，抑郁癥是可以治療的；然而不幸的是，抑郁癥是多種多樣的，有無數可能的癥狀組合，這使得確定正確的治療過程成為壹個挑戰。常用的漢密爾頓抑郁評定量表（HRSD）有21類癥狀，包括抑郁情緒、自我批評、自殺念頭、睡眠困難、煩躁、憂慮、身體焦慮、食欲改變和能量損失。斯坦福大學的這項預測研究直接解決了這壹挑戰。

數據收集於5個國家的20個地點，來自518名診斷為抑郁癥的門診患者，這些患者被隨機分為三種不同的藥物治療8周：草酸依西酞普蘭、鹽酸舍曲林或鹽酸文拉法辛緩釋片。

該團隊開發了壹種稱為ElecTreeScore的機器學習模型，它使用梯度提升決策樹（GBDTs）。他們使用模型來預測抗抑郁藥物對漢密爾頓抑郁量表（HRSD）評分的每壹個癥狀的治療結果，基於癥狀嚴重程度和記錄大腦電信號的預處理腦電圖（EEG）。

研究人員在研究中寫道：“機器學習模型在21種臨床醫生評定的癥狀中，有12種達到了0.8或更高的C指數得分，這表明了區分能力。”。ElecTreeScore在預測體重減輕、虛幻、虛無主義和喪失洞察力的癥狀改善方面的C指數得分最高。研究小組得出結論，機器學習可以用來“識別癥狀和腦電圖特征的獨立關聯，從而預測抗抑郁藥對抑郁癥特定癥狀的改善。”作為下壹步，研究人員建議前瞻性地在臨床試驗和環境中驗證這種方法。

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

psychology today