用于預測患者親屬精神分裂癥早期癥狀的機器學習工具
阿爾伯塔大學的研究人員在開發(fā)一種通過分析大腦掃描來預測精神分裂癥的人工智能工具方面又向前邁進了一步。在最近發(fā)表的研究中，該工具用于分析精神分裂癥患者的57位健康一級親屬(兄弟姐妹或兒童)的功能磁共振圖像。它準確地確定了在自我報告的分裂型人格特質量表中得分最高的14個人。
精神分裂癥影響了300,000名加拿大人，可導致妄想、幻覺、言語混亂、思維困難和缺乏動力，通常采用藥物、心理治療和腦刺激相結合的方法進行治療?；颊叩囊患売H屬在其一生中患精神分裂癥的風險高達19%，而一般人群的風險不到1%。
“我們的循證工具著眼于大腦中的神經(jīng)特征，有可能比僅通過對癥狀的主觀評估進行診斷更準確，”主要作者、醫(yī)學院高級機器學習專家SunilKalmdyVasu說。牙科。
KalmadyVasu指出，該工具旨在成為決策支持工具，不會取代精神病醫(yī)生的診斷。他還指出，雖然具有分裂型人格特征可能會導致人們更容易患精神病，但并不確定他們是否會發(fā)展為全面的精神分裂癥。
“該工具的目標是幫助進行早期診斷、研究精神分裂癥的疾病過程并幫助識別癥狀群，”同時??也是艾伯塔省機器智能研究所成員的KalmadyVasu說。
該工具被稱為EMPaSchiz(用于精神分裂癥預測的多重包裹的集成算法)，以前用于通過檢查患者腦部掃描以87%的準確率預測精神分裂癥的診斷。它是由來自UofA和國家心理健康和神經(jīng)科學研究所的一組研究人員開發(fā)的。該小組還包括公司的U三名成員神經(jīng)科學與精神衛(wèi)生研究所-計算科學家和加拿大CIFARAI主席拉斯格雷納從理學院，和精神病學家安德魯Greenshaw和塞德·德蘇，誰是最新的論文作者為好。
KalmadyVasu表示，該研究的下一步將測試該工具對具有精神分裂癥特征的非家族個體的準確性，并隨著時間的推移跟蹤評估個體以了解他們是否在以后的生活中患上精神分裂癥。
KalmadyVasu也在使用相同的原則開發(fā)算法，以通過加拿大VigOR中心預測心血管患者的死亡率和心力衰竭再入院等結果。
“嚴重的精神疾病和心血管問題會導致功能障礙并損害生活質量，”KalmadyVasu說。“為這些折磨人類的復雜疾病開發(fā)客觀的、基于證據(jù)的工具非常重要。”
標簽：