發(fā)布日期：2017-08-01

近日，IBM 科學家和阿爾伯塔大學加拿大埃德蒙頓分校在《自然》雜志的合作期刊《精神分裂癥》（Schizophrenia）上發(fā)布了新的數(shù)據(jù)，證明 AI 和機器學習算法能夠以74% 的準確率幫助預測精神分裂癥病例。

這項追溯性分析還表明，根據(jù)在大腦不同區(qū)域觀察到的活動之間的關(guān)聯(lián)，該技術(shù)能夠從很高的相關(guān)性預測精神分裂癥患者特定癥狀的嚴重程度。這項開創(chuàng)性研究還可以幫助科學家識別更可靠、客觀的神經(jīng)影像生物指標（Neuroimaging Biomarkers），用于預測精神分裂癥及其嚴重等級。

精神分裂癥是一種慢性衰弱性神經(jīng)障礙，每 1,000 個人中有 7 到 8 個人會受其影響。精神分裂癥患者可能出現(xiàn)幻覺、錯覺或思維障礙，還可能出現(xiàn)認知障礙，比如無法集中注意力和身體缺陷，比如運動障礙。

阿爾伯塔大學的精神病學兼神經(jīng)科學教授 Serdar Dursun 博士表示：“這種獨特、富有創(chuàng)新的多學科方法加深了我們對精神分裂癥的神經(jīng)生物學原理的理解，可以幫助改善該疾病的治療和管理。

我們在大腦中發(fā)現(xiàn)了許多重要的異常連接，未來的研究可以探索這些連接，而且 AI 創(chuàng)建的模型讓我們離發(fā)現(xiàn)基于神經(jīng)影像的客觀模式更進了一步，這些模式可以作為精神分裂癥的診斷和預后指標。”

在論文中，研究人員分析了來自開放數(shù)據(jù)集生物醫(yī)學信息學功能研究網(wǎng)絡(luò) （fBIRN） 的去標識化的大腦功能核磁共振影像 （fMRI） 數(shù)據(jù)，數(shù)據(jù)中既包括精神分裂癥患者和分裂情感性障礙患者，還包括健康的實驗對照組。

fMRI 通過大腦特定區(qū)域的血流變化來測量大腦活動。具體來講，fBIRN 數(shù)據(jù)集反映了，根據(jù)對調(diào)研參與者執(zhí)行一個普通聽覺測試時收集的數(shù)據(jù)，在不同清晰度水平上對大腦網(wǎng)絡(luò)執(zhí)行的研究。通過檢查來自 95 位參與者的掃描影像，研究人員使用機器學習技術(shù)開發(fā)了一種精神分裂癥模型，用于識別大腦中與該疾病相關(guān)的最緊密的連接。

從上圖我們可以看出，在精神分裂癥患者與沒有該疾病的患者之間，一些大腦區(qū)域表現(xiàn)出具有統(tǒng)計意義的區(qū)別。例如，箭頭 1 表示中央前回（Precentral Gyrus），箭頭 5 表示參與處理視覺信息的楔前葉（Precuneus）。

精神疾病的量化研究

IBM 和阿爾伯塔大學的研究結(jié)果表明，甚至在從多個站點（不同機器、跨越不同主體群等）收集的更具挑戰(zhàn)的神經(jīng)影像數(shù)據(jù)上，機器學習算法通過利用不同大腦區(qū)域間的活動關(guān)聯(lián)，也能以 74% 的準確率區(qū)分精神分裂癥患者與實驗對照組。

此外，研究表明，功能網(wǎng)絡(luò)連接也可以幫助確定患者表現(xiàn)出的多種癥狀的嚴重等級，包括注意力遲鈍、行為怪異和思維形式障礙，以及失語癥（言語貧乏）和動力缺乏。

通過預測癥狀嚴重等級，可以得到更加量化、基于測量結(jié)果的精神分裂癥特征?？梢栽谝粋€范圍內(nèi)確定該疾病，而不只是看到一個非此即彼的二元標簽（診斷或非診斷）。這種客觀的、數(shù)據(jù)驅(qū)動的嚴重等級分析方法，最終可以幫助臨床醫(yī)生為患者量身定制治療方案。

IBM 研究院醫(yī)療與生命科學副總裁 Ajay Royyuru 表示：“這項研究工作的最終目的是識別和開發(fā)客觀的、數(shù)據(jù)驅(qū)動的測量指標來描繪精神狀態(tài)，并將它們應(yīng)用于精神病學和神經(jīng)障礙。我們還希望提供新的洞察，揭示可以如何使用 AI 和機器學習來分析精神疾病和神經(jīng)障礙，幫助精神科醫(yī)生評估和治療患者。”

NIMH （國家精神衛(wèi)生研究所）的研究領(lǐng)域標準 （RDoC） 倡議強調(diào)了客觀測量在精神病學中的重要性。這一領(lǐng)域常常稱為“計算精神病學”（Computational Psychiatry），旨在使用現(xiàn)代技術(shù)和數(shù)據(jù)驅(qū)動的方法改善精神病學中的循證醫(yī)療決策，這一領(lǐng)域常常依賴于主觀的評估方法。

作為這次持續(xù)合作的一部分，研究人員將繼續(xù)調(diào)查大腦中與精神分裂癥具有重要聯(lián)系的區(qū)域和連接。我們將繼續(xù)努力改進這些算法，對更大的數(shù)據(jù)集執(zhí)行機器學習分析，并探索將這些技術(shù)擴展到抑郁癥或創(chuàng)傷后應(yīng)激障礙等其他精神疾病的方式。

來源：動脈網(wǎng)（微信號：vcbeat）