耶鲁大学研究人员使用机器学习来预测PTSD症状

Yulin Zhen，摄影编辑

最近学习耶鲁大学的研究人员证明了用于预测最近创伤幸存者的创伤后应激障碍症状或PTSD症状的潜力。

研究人员仅十年来一直在研究机器学习的医学应用，而团队将精力集中在通过独特的实验设计来推动这种创新工具的界限。这项研究是一个关键的里程碑，因为他们所报告的预测强度在临床措施中相对较高。” 

虽然许多研究通常使用横截面设计并与健康对照组相比或与受创伤暴露的健康对照相比进行比较，但这项研究的重点是在创伤后的头14个月中，最近的14个月内的创伤幸存者，Ziv Ben-Zion博士，Yale和Leale的一名研究生和研究作者。

根据本齐恩（Ben-Zion）的说法，这项研究中使用的数据非常独特，并作为他2015年至2020年的博士研究的一部分，在以色列的特拉维夫·苏拉斯基医学中心（Tel Aviv Sourasky Medical Center）。 

然后，本瑞恩（Ben-Zion）在经历了可能创伤事件后招募到急诊室的个人，最常见的是汽车事故。” 

入院后一个月经历了高水平的PTSD的患者 - 在入院后一个月，六个月零14个月，对最有可能发展的慢性PTSD的患者进行了评估。为了监测每个患者的进展，进行了临床评估和fMRI扫描，记录大脑结构和功能。” 

本齐恩分享了好消息：大多数患者在学习的14个月中康复了。 

到数据收集结束时，本齐恩获得了一个多域数据集，详细介绍了PTSD症状严重程度 - CAPS-5总分，总比例为零至80，以及171名参与者的认知功能和神经数据。 

该数据集用于开发预测机学习模型。该团队使用了基于连接组的预测建模，这是一种在耶鲁大学的Constable Lab中开发的机器学习技术，在过去的十年中广受欢迎。

该模型通过将10倍的交叉验证回归模型应用于从fMRI BOLD信号中得出的全脑功能连通性数据来预测感兴趣的行为度量，例如PTSD症状。

虽然该研究表明在六个月的时间点，整个大脑连通性与症状之间没有关联，但一个月和14个月的预测能力似乎很高。” 

根据Ben-Zion的说法，这些发现与当前有关PTSD的临床知识保持一致，该知识将六个月的时间点定义为恢复过程中脆弱而动态的点。

根据DSM-5将PTSD症状分解为簇后，该团队还注意到，不同的簇正在不同时间点推动预测，这表明大脑中各个区域与PTSD的进展有联系。” 

对于Scheinost博士而言，这一发现将有助于对PTSD的日益了解。

Scheinost写道，我认为这有助于改变有关PTSD的一些神经生物学思维，从描述一些关键区域（例如杏仁核）转变为更广泛的，全脑的改变。”这并不是说杏仁核或其他单一区域对PTSD至关重要，只是我们可能只捕捉图片的一部分。

从一开始，团队工作的一个关键方面是协作。Ben-Zion和他的顾问Ilan Harpaz-Rotem博士首先与AJ Simon（跨部门神经科学的博士生）有关，当时他的轮换顾问Dustin Scheinost博士大约在两年前扩大了对初始数据集的研究。 

对于当时是Scheinost博士实验室的一年级旋转研究生的西蒙来说，该项目是探索机器学习模型的令人兴奋的新机会。

我之所以加入，是因为这是我学习基于连接组的预测建模并以具有转化影响潜力的方式应用它的机会。”

该小组致力于分析数据六个月，并撰写了六个月的论文，然后才进入他们的研究审查阶段，该阶段花了一年的时间出版。

展望研究的未来，Ben-Zion博士希望其他研究人员会尝试通过新的数据集复制研究。

他指出，越来越多的研究人员目前正在发布自己的独立性，有时是不一致的发现，而不是专注于复制以产生更强大的结果，以基于先前的研究。

尽管Harpaz-Rotem指出，将MRI扫描用作预测性临床工具还有很长的路要走，但该研究显示了该领域未来的有希望的结果。

``我认为这项研究证明了[基于连接组的预测建模]对确定参与PTSD潜在发展的大脑区域的能力，并认为我们如何干预以防止基于这些知识获得的PTSD的发展，” Harpaz-Rotem写道。

要了解有关基于连接组的预测建模的更多信息，请参见这里。

Edis Mesic

Edis Mesic覆盖了Scitech Desk的耶鲁大学医学院。他是来自加利福尼亚州圣何塞的Saybrook的第一年。