有一天能通过机器学习的帮助来帮助精神健康障碍的诊断和治疗吗?阿尔伯塔大学的新研究通过发表在“ 分子精神病学”上的一项研究，使我们更接近未来。

该研究由Bo Cao在A of A精神病学系领导，并与休斯顿德克萨斯大学健康科学中心张向阳合作。他们使用机器学习算法来检查新诊断的，先前未治疗的精神分裂症患者和健康受试者的功能性磁共振成像(MRI)图像。通过测量称为颞上皮层的大脑区域与大脑其他区域的连接，该算法成功地确定了精神分裂症患者的准确率为78%。它还以82%的准确度预测患者是否会对特异性抗精神病药物利培酮治疗产生积极反应。

“这是第一步，但最终我们希望找到可以在症状出现之前预测精神分裂症的可靠生物标志物，”A大学精神病学助理教授曹说。“我们也想利用机器学习来优化患者的治疗计划。它不会取代医生。将来，在机器学习的帮助下，如果医生可以在第一次就诊时为特定患者选择最佳药物或程序，那将是一个很好的一步“。

在他们的生命中的某个时刻，大约每100人中就有一人会受到精神分裂症的影响，这是一种严重的致残性精神疾病，伴有妄想，幻觉和认知障碍。大多数精神分裂症患者在生命早期出现症状，并将与他们斗争数十年。

据曹说，精神分裂症和许多精神障碍的早期诊断是一个持续的挑战。在第一次与患者一起访问时提出个性化治疗策略对临床医生来说也是一个挑战。精神分裂症的当前治疗仍然通常通过反复试验的方式来确定。如果药物不能正常工作，患者可能会出现长期症状和副作用，并错过了控制和治疗疾病的最佳时间窗口。

曹希望扩大工作范围，包括其他精神疾病，如重度抑郁症和双相情感障碍。虽然精神分裂症诊断和治疗的初步结果令人鼓舞，但Cao表示，对于大样本的进一步验证将是必要的，并且需要进一步改进以提高准确性，然后才能将工作转化为临床环境中的有用工具。

“这将是患者，精神病学家，神经科学家，计算机科学家和其他学科的研究人员共同努力，为精确的心理健康建立更好的工具，”曹说。“我们在U大学拥有一支计算精神病学小组，由一群优秀的临床医生和科学家共同协作解决这一具有挑战性的问题。”