精神病(英語:Psychosis),又稱精神錯亂,是心智的異常狀態,它的特徵是與現實失去聯繫。主要病徵包含錯誤的信念(妄想)以及覺知不存在的東西(幻覺),其他病徵還有語無倫次及不合時宜的行為舉止。發作期的患者可能會感到憂鬱、焦慮、物質使用疾患、睡眠障礙、社交退縮、缺乏動機以及無法正常生活。
精神錯亂有許多可能的病因,包含精神疾患、某些身體疾病、某些藥物、物質濫用、缺乏睡眠等情況。精神錯亂是一種可治療的疾病,其病因很多會影響大腦處理信息的方式。
根據《研究與市場》(Research and Markets)在2020年9月發布的一份報告,2020年至2027年,全球抗精神病藥物市場的年增長率為4.1%,預計到2027年將達到218億美元。根據同一份報告,去年,美國在全球抗精神病藥物市場中的份額超過28.8%。
人工智慧機器學習能否為臨床醫生提供有關精神病患者的預測?德國慕尼黑馬克斯-普朗克Max Planck Institute)精神病研究所的科學家的一項關於精神病學的新研究中,研究人員使用AI機器學習與人類智能相結合來預測精神疾病。
研究人員表示:「就我們所知,我們的研究首次表明,通過人工智慧算法模式識別可以提高預測準確性,甚至可以證明決策支持工具在臨床上是合理的。」
在這項研究中,研究人員使用了可在GitHub上使用的機器學習軟體NeuroMiner來開發「順序預測算法(sequential prognostic algorithm),該算法可確定要組合到堆疊模型中的預測性成分的最佳順序。」
為了找到風險計算器的最佳預測特徵集,研究人員使用了NeuroMiner中Liblinear庫提供的支持向量機(SVM)。
支持向量機是有監督的機器學習模型,用於在複雜數據集中查找可識別的模式。這是一種機器學習方法,具有相對較低的過度擬合高維成像數據(例如神經成像)的風險。支持向量機憑藉其靈活的分類方法,特別適合用於精確精神病學的神經科學研究,用於AI預測抑鬱症、阿爾茨海默氏病和精神分裂症。
研究人員報告說:「在這項針對334名患者和334名對照個體的預測後研究中,機器學習模型將臨床和生物學數據與臨床醫生的估計相繼結合,正確預測了85.9%的病例在不同地理區域的患者中的疾病轉變。」
研究人員的目的是提供一種早期幹預工具,以幫助醫療專業人員確定哪些患者需要治療幹預。現在,存在一種可能的新AI輔助方法的概念驗證,這種方法可以早期發現患者的精神病,有一天可能會在將來改善精神健康治療。
參考:Multimodal Machine Learning Workflows for Prediction of Psychosis in Patients With Clinical High-Risk Syndromes and Recent-Onset Depression. https://jamanetwork.com/journals/jamapsychiatry/fullarticle/2773732
#人工智慧#