Nature子刊：重磅突破！AI找到了大腦異常狀況與精神疾病的特定聯繫

葯明康德AI/報道

近日，來自賓夕法尼亞大學的研究人員完成了一項新研究：他們利用機器學習技術，準確將大腦網路的異常狀況映射到精神疾病的不同維度中。這項研究發表在了《Nature Communications》上，實現了在這一領域生物標誌物研究的巨大飛躍，從而更準確地對患者進行診斷和治療。

本文來源：葯明康德AI

對於大多數疾病來說，除了與患者直接交談外，醫生還會使用實驗室檢查和影像檢測等手段來診斷病情。而對於精神疾病來講，目前僅能依靠患者報告和醫生觀察來進行臨床決策。導致這種情況的其中一個原因是，我們還無法弄懂大腦的異常狀況是如何導致精神疾病癥狀的。另外，雖然曾經有相關研究發現了大腦異常的證據，但疾病自身存在的多樣性限制了這種研究改善臨床護理的可能。而此次完成的這項研究工作旨在利用數據驅動的方法，將心理健康問題及其相關的大腦網路異常與精神癥狀聯繫起來。

▲這項研究使用的演算法原理示意圖（圖片來源：《Nature Communications》）

研究人員對年齡在8歲和22歲之間的999名年輕人組成的樣本進行了研究，所有的參與者均完成了功能性MRI掃描和精神癥狀的綜合評估。然後，研究人員使用了一種名為稀疏典型相關分析的機器學習方法（sparse canonical correlation analysis），來對參與者的大腦狀況和癥狀數據進行分析。

研究結果顯示，精神病理學的四個不同維度，即情緒、錯亂、恐懼和破壞性行為，都能在大腦中找到特定的異常模式。研究人員發現，每個維度都包含來自幾個不同臨床診斷類別的癥狀表現。例如，情緒維度包括了三個臨床類別的癥狀表現：抑鬱症、躁狂症、強迫症。而破壞性行為維度主要由注意力缺陷多動障礙（ADHD）和對立違抗行障礙（ODD）的癥狀驅動，但也包括來自抑鬱症這一類別中的易怒情緒。這些發現表明，當同時考慮大腦情況和癥狀數據時，精神癥狀並不完全歸入某一個特定類別。相反，一組癥狀會從不同的臨床領域中出現，並構成與大腦中異常狀況的特定模式相關的某個維度。

▲精神病理學的四個維度與臨床癥狀表現的映射狀況示意圖（圖片來源：《Nature Communications》）

此外，該團隊還研究了不同年齡和性別的精神病理學差異。他們發現，隨著年齡的增長，與情緒和精神錯亂相關的模式變得更加突出。此外，與情緒和恐懼相關的大腦連接模式在女性參與者中要比男性更為突出。

「這項研究表明，和過去將癥狀歸到臨床診斷類型中不同，我們能夠以一種全新的方式，利用大腦異常狀況的特定模式來理解精神疾病，」這項研究的負責人之一、賓夕法尼亞大學精神病學助理教授Theodore D. Satterthwait博士表示：「我們最終的希望是，了解精神疾病的生物學原理，從而能夠為患者研發出更好的治療方法。」

參考資料：

[1] Machine learning links dimensions of mental illness to abnormalities of brain networks. Retrieved August 9, 2018, from https://eurekalert.org/pub_releases/2018-08/uops-mll080218.php

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！