精神分裂症，AI预测的躁郁症
作者：Helen Albert
新的研究表明，机器学习可以通过分析电子健康记录的常规临床数据来帮助预测精神分裂症和躁郁症的发作。
这项由阿尔胡斯大学（Aarhus University）的研究人员拉斯·汉森（Lasse Hansen）领导的这项研究表明，基于人工智能（AI）的工具比双相情感障碍更好地预测精神分裂症，但可以在接下来的五年内预测这两种疾病的发作准确性。
精神分裂症和躁郁症是严重的精神障碍，经常损害过正常生活的能力。”贾玛精神病学。
尽管通常在青春期或成年初期出现，但诊断通常会延迟数年。及时，准确的诊断至关重要，因为诊断延迟阻碍了目标治疗的开始。此外，未经治疗的疾病的持续时间越长，预后就越糟。
Hansen及其同事想评估使用AI是否可以帮助加快患有这些疾病风险的人的诊断。
该研究使用了来自15年60岁的每个人的电子健康记录数据，他们至少与丹麦中部地区的精神科服务有两次联系，至少在2013年初至2016年底之间相隔三个月。总体而言，该组包括24,44924至42岁的人，其中57％是女性。
研究人员使用了一种称为机器学习算法xgboost分析他们的数据。他们首先训练了模型，然后在不同的参与者数据上测试了其功效。该小组发现，该算法能够在五年内预测精神分裂症或双相情感障碍的发作。
接收器操作员曲线（AUROC）测试下的区域是一种测量机器学习模型如何确定两组之间差异的方法。该算法能够区分训练的正常情况和阴性病例，在测试组中有70％的时间和64％的时间。
当分别评估这两种情况的风险时，精神分裂症预测的AUROC评分在80％的速度上优于双极分数，为62％。通常，AUROC分数为70％或更高，被认为是公平的，但这确实取决于特定的测试。
这些发现表明，根据常规临床数据，通过机器学习检测到精神分裂症是可行的，这可能会减少诊断延迟和未经治疗的疾病的持续时间。在诊所可以实施之前的模型。
关于《精神分裂症，AI预测的躁郁症》的评论
暂无评论