人工智能现在将见到你：智能诊断精神障碍

从痴呆到精神分裂症，精神健康障碍影响着人生各个阶段的个人。根据世界卫生组织的数据，全世界八分之一的人患有精神障碍，精神健康状况不佳每年给全球经济造成1万亿美元的生产力损失。

像许多疾病一样，精神健康障碍的有效治疗取决于早期和准确的诊断。然而，与例如可以通过检测与该疾病相关的特定指标或“生物标志物”的测试来诊断的心脏病发作不同，迄今为止还没有明确确定心理健康状况的生物标志物。

这是因为精神疾病是多种因素复杂相互作用的结果，包括遗传、生物易感性和不良生活状况。患有相同精神障碍的患者表现出截然不同的症状，因此很难确定任何特定指标是否与特定精神疾病相关。

此外，医生必须评估患者自己报告的症状，然后进行主观解释。

将人工智能输入心理健康专家的诊断工具包。有效地处理和从大型数据集中提取见解的能力意味着人工智能(AI)有可能发现隐藏在遗传标记和行为线索的复杂图谱中的精神疾病的生物标志物。

该技术还可以预测患者的精神障碍是否可能变得更加严重，并有助于根据每位患者的病情提出个性化的治疗建议。

消除精神分裂症

精神分裂症通常从成年早期开始，可以定义为一种严重的精神障碍，患者与现实失去联系。该病的症状包括奇怪的行为和幻觉，也称为精神病。虽然遗传和环境因素的组合被认为会导致精神分裂症，但其确切原因尚不清楚。

利用人工智能和数据科学的潜力来帮助预测心理健康状况是新加坡南洋理工大学(NTU Singapore)新成立的生物医学信息学中心的重点之一。该中心的项目包括新西兰-新加坡数据科学研究计划，该计划是新加坡南洋理工大学、新加坡心理健康研究所(IMH)和奥克兰理工大学(AUT)之间的合作项目，旨在帮助预测青少年的精神分裂症。

该计划由新加坡南洋理工大学李光前医学院的生物信息学科学家Wilson Goh副教授共同领导，正在开发机器学习计算模型，以识别与精神分裂症症状发作相关的生物标志物。

联合研究小组正在使用AUT开发的AI算法来分析从600名年轻人收集的血液样本中的基因表达和代谢谱，然后将研究结果与参与者的临床和行为数据进行比较。

将所有这些放在一个模型中，科学家们希望看到它们之间的关系。

“分析大型数据集的人工智能程序使我们能够发现基因表达和代谢数据之间的关系。查看数据中的更多维度可能使医生能够识别精神分裂症的早期指标，并在患者的生活质量恶化之前治疗这种疾病，“助理吴教授说。

解码痴呆

与精神分裂症相反，痴呆是一种主要困扰老年人的脑部疾病。晚期痴呆患者会出现记忆力减退、判断力差和混乱，从而损害日常生活。

为了应对亚洲和世界各地老龄化人口中不断增加的痴呆病例，新加坡南洋理工大学痴呆研究中心(新加坡)正在开发人工智能驱动的策略，以预测和延缓疾病的进展。

与当地医院合作，招募了来自所有种族的1，500名轻度认知障碍患者 - 痴呆的最早阶段 - 该中心的项目之一是生物标志物和认知障碍研究(BioCIS)，这是一项为期五年的研究，以了解大脑在早期阶段会发生什么。

BioCIS计划通过研究脑部扫描的大脑结构特征，使用功能磁共振成像(fMRI)测量大脑活动以及检测血液中的蛋白质生物标志物来识别与认知障碍相关的生物标志物。

“这将有助于我们制定个性化的策略，这可能会预防和延缓每位患者痴呆的发展，”新加坡南洋理工大学李光前医学院痴呆症研究中心主任和高级顾问神经学家Nagaendran Kandiah教授说。

“例如，我们可以制定干预措施来改善患者的弱认知领域，并增强他们的优势以延缓痴呆的进展。

检测抑郁症

新加坡南洋理工大学的另一项创新是开发一种非侵入性人工智能工具，可能有助于早期发现抑郁症，这是一种可能发生在任何年龄的常见情绪障碍。

抑郁症影响着全世界数百万人，可能是由压力大的生活事件引发的。患有这种疾病的人经常经历情绪变化，导致他们退出社会，几乎一半的抑郁症病例仍未得到诊断和治疗。

利用可穿戴活动追踪器的日益普及，NTU新加坡团队开发了人工智能软件，可以分析来自健身追踪器的数据，以发现抑郁症的数字生物标志物并预测个人患抑郁症的风险。

为了开发名为Ycogni的机器学习程序，由新加坡南洋理工大学李光前医学院的临床科学家Josip Car教授和新加坡南洋商学院的认知神经科学家Georgios Christopoulos副教授领导的科学家们进行了一项涉及新加坡290名在职成年人的研究。参与者佩戴健身追踪器两周，并在研究开始和结束时完成了两项健康调查，筛查抑郁症状。

从数据中，研究人员将参与者健身跟踪行为的某些模式与抑郁症状联系起来，例如无助和绝望的感觉，对日常活动失去兴趣以及食欲或体重的变化。

在对抑郁症和健康参与者的数据进行测试时，该计划可以成功地发现那些有抑郁症高风险和没有风险的人，准确率为80%。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！