用于预测患者亲属精神分裂症早期症状的机器学习工具
阿尔伯塔大学的研究人员在开发一种通过分析大脑扫描来预测精神分裂症的人工智能工具方面又向前迈进了一步。在最近发表的研究中，该工具用于分析精神分裂症患者的57位健康一级亲属(兄弟姐妹或儿童)的功能磁共振图像。它准确地确定了在自我报告的分裂型人格特质量表中得分最高的14个人。
精神分裂症影响了300,000名加拿大人，可导致妄想、幻觉、言语混乱、思维困难和缺乏动力，通常采用药物、心理治疗和脑刺激相结合的方法进行治疗。患者的一级亲属在其一生中患精神分裂症的风险高达19%，而一般人群的风险不到1%。
“我们的循证工具着眼于大脑中的神经特征，有可能比仅通过对症状的主观评估进行诊断更准确，”主要作者、医学院高级机器学习专家SunilKalmdyVasu说。牙科。
KalmadyVasu指出，该工具旨在成为决策支持工具，不会取代精神病医生的诊断。他还指出，虽然具有分裂型人格特征可能会导致人们更容易患精神病，但并不确定他们是否会发展为全面的精神分裂症。
“该工具的目标是帮助进行早期诊断、研究精神分裂症的疾病过程并帮助识别症状群，”同时也是艾伯塔省机器智能研究所成员的KalmadyVasu说。
该工具被称为EMPaSchiz(用于精神分裂症预测的多重包裹的集成算法)，以前用于通过检查患者脑部扫描以87%的准确率预测精神分裂症的诊断。它是由来自UofA和国家心理健康和神经科学研究所的一组研究人员开发的。该小组还包括公司的U三名成员神经科学与精神卫生研究所-计算科学家和加拿大CIFARAI主席拉斯格雷纳从理学院，和精神病学家安德鲁Greenshaw和塞德·德苏，谁是最新的论文作者为好。
KalmadyVasu表示，该研究的下一步将测试该工具对具有精神分裂症特征的非家族个体的准确性，并随着时间的推移跟踪评估个体以了解他们是否在以后的生活中患上精神分裂症。
KalmadyVasu也在使用相同的原则开发算法，以通过加拿大VigOR中心预测心血管患者的死亡率和心力衰竭再入院等结果。
“严重的精神疾病和心血管问题会导致功能障碍并损害生活质量，”KalmadyVasu说。“为这些折磨人类的复杂疾病开发客观的、基于证据的工具非常重要。”
标签：