有一天能通过机器学习帮助诊断和治疗精神疾病吗？阿尔伯塔大学的新研究通过发表在《分子精神病学》上的一项研究让我们更接近未来。

这项研究由精神病系的曹博领导，并与休斯顿德克萨斯大学健康科学中心的张向阳合作。他们使用机器学习算法来检查新诊断的、之前未经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。通过测量被称为颞叶皮层的大脑区域与其他大脑区域之间的连接，该算法成功确定精神分裂症患者的准确率为78%。它还预测患者是否会对特定的抗精神病药物利培酮产生积极反应，准确率为82%。

“这是第一步，但最终我们希望找到可靠的生物标志物，可以在症状出现前预测精神分裂症，”某大学精神病学助理教授曹说。“我们还希望使用机器学习来优化患者的治疗计划。它不会取代医生。未来，在机器学习的帮助下，如果医生能够在第一次就诊时为特定患者选择最好的药物或程序，这将是一个很好的进步”。

在他们生命的某个时刻，每100人中约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，并将与之斗争数十年。

据曹说，精神分裂症和许多精神疾病的早期诊断是一个持续的挑战。对于临床医生来说，在与患者的第一次vi sit中提出个性化治疗策略也是一个挑战。目前对精神分裂症的治疗仍然通常由试错法决定。如果dr ug工作不正常，患者可能会遭受长期的症状和副作用，并错过控制和治疗疾病的最佳时间窗。

曹希望将他的工作范围扩大到其他精神疾病，如重度抑郁症和双相情感障碍。尽管精神分裂症诊断和治疗的初步结果令人鼓舞，但曹表示，在这项工作可以成为临床环境中的有用工具之前，还需要进一步验证大样本，并需要进一步改进以提高准确性。

“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研究人员的共同努力，以建立更好的工具来实现准确的心理健康，”曹说。“我们在U大学有一个计算精神病学小组，一群优秀的临床医生和科学家共同努力解决这个具有挑战性的问题。”