作者:Vladimir Hedrih
[Adobe Stock]
对青少年大脑和认知发展(ABCD)的11,000多名青少年参与者的数据分析发现,睡眠障碍可能是未来心理病理学的最有影响力的预测指标。睡眠问题比不利的童年经历和家庭心理健康史更具预测性。神经影像数据并不能提高预测心理健康风险的能力。调查结果发表在自然医学。
随着科学和技术在过去的一个世纪迅速发展,医学已经找到了治愈或管理许多曾经艰巨疾病的方法。诸如结核病,肺炎,伤寒,麻疹和脊髓灰质炎等疾病以前声称,由于医疗和药物突破,现在可以治疗数百万寿命或几乎消除。
结果,注意力越来越多地转移到仍然难以治疗的医疗状况上。心理健康障碍是该类别中最突出的疾病之一。尽管治疗方面有所进展,但许多人仍在慢性心理健康状况中挣扎,这些状况显示出对当前干预措施的反应有限。
预防已成为一种有前途的策略。在症状变得严重之前识别有危险的人可以早期支持并减少长期影响。这导致科学家寻求可靠的方法来预测谁最有可能发展精神疾病。
在新的研究中,主要作者Elliot D. Hill和他的同事开发了机器学习模型,以根据心理和神经生物学数据来预测心理健康风险。
研究人员使用了来自ABCD研究的11,000多名参与者的数据,ABCD研究是美国的一个大型纵向项目。在评估时,参与者的年龄在9至15岁之间,大约48%的女性。入学后一到三年。
参与者完成了各种社会心理评估并进行了磁共振成像(MRI)。研究人员培训了几种机器学习模型,以根据收集的数据来预测未来的精神病风险。
接受参与者当前症状的模型在预测哪些青少年将在接下来的一年内过渡为精神病的高风险类别。另一个仅依赖潜在的根本原因的模型,例如睡眠问题,家庭动态和逆境。
睡眠障碍是增加精神病风险的最强预测指标,超过了其他既定因素,例如不良的儿童经历和家庭心理健康史。在模型中添加MRI数据并不能提高预测性能。
这些发现表明,接受了容易获得的社会心理问卷培训的人工智能模型可以有效地预测未来的精神病风险,同时突出潜在的干预目标。研究作者总结说,这是迈向基于人工智能的心理健康筛查的有希望的一步。
这项研究增强了对心理健康风险因素以及如何估算早期风险的科学理解。但是,重要的是要注意,发现基于统计关联。该研究的设计不允许关于因果关系的结论。
纸,青少年心理健康风险的预测,由艾略特·希尔(Elliot D.