یادگیری ماشین به پیش بینی نتایج درمان اسکیزوفرنی کمک می کند

آیا تشخیص و درمان اختلالات روانی یک روز از طریق کمک به یادگیری ماشین کمک می شود؟ تحقیقات جدیدی از دانشگاه آلبرتا از طریق یک مطالعه منتشر شده در روانپزشکی مولکولی، ما را به این آینده نزدیک تر می کند .

این تحقیق توسط Bo Cao در گروه روانپزشکی U of A رهبری شده است، با همکاری Xiang Yang Zhang در مرکز علوم بهداشتی دانشگاه تگزاس در هوستون. آنها با استفاده از یک الگوریتم یادگیری ماشین برای بررسی تصاویر تصویربرداری رزونانس مغناطیسی عملکردی (MRI) از بیماران مبتلا به اسکیزوفرنی که پیش از این درمان نشده بودند و افراد سالم بودند. با اندازه گیری اتصالات یک ناحیه مغز، قشر فوق العاده مغناطیسی به سایر نقاط مغز گفته می شود، این الگوریتم موفق به شناسایی بیماران مبتلا به اسکیزوفرنی با دقت 78 درصد شد. همچنین با 82 درصد دقت پیش بینی می شود که آیا بیمار به طور مثبت به یک درمان ضد روان پریشی به نام risperidone پاسخ مثبت می دهد؟

کائو، استادیار روانپزشکی در U از A گفت : این گام اول است، اما در نهایت ما امیدواریم و نشانگرهای زیستی قابل اعتماد هستند که می تواند پیش پیش بینی اسکیزوفرنی قبل از علائم را نشان دهد. ما همچنین می خواهیم با استفاده از یادگیری ماشین بهینه سازی طرح درمان بیمار را انجام دهیم. در آینده، با کمک یادگیری ماشین، اگر می توانید بهترین دارو یا روش برای یک بیمار خاص در اولین مراجعه را انتخاب کنید، این امر می تواند گامی مثبت به جلو باشد. ”

تقریبا یک در 100 نفر اسکیزوفرنی وجود دارد. در برخی از نقطه زندگی ، یک اختلال روانی شدید و ناتوان است که همراه با هذیان، توهم و اختلالات شناختی است. بیشتر بیماران مبتلا به اسکیزوفرنی در اوایل زندگی دچار علائم بیماری و برای چندین دهه با آنها مبارزه خواهند کرد.

با توجه به کائو، تشخیص زود هنگام اسکیزوفرنی و بسیاری از اختلالات روانی یک چالش مداوم است. در اولین بازدید از بیمار با استراتژی درمان شخصی نیز برای پزشکان چالشی است. درمان فعلی اسکیزوفرنی هنوز هم با استفاده از یک شیوه آزمایش و خطا تعیین می شود. اگر دارو به درستی کار نکند، ممکن است بیمار علائم طولانی مدت و عوارض جانبی را از خود دور کند و بهترین زمان را برای کنترل بیماری و درمان به دست آورد.

کائو امیدوار است که این کار را گسترش دهد تا سایر بیماری های روانی مانند اختلالات افسردگی و اختلالات دوقطبی را شامل شود. در حالی که نتایج اولیه تشخیص و درمان تشخیص اسکیزوفرنی دلگرم کننده است، کائو می گوید که اعتبار سنجی بیشتر در نمونه های بزرگ ضروری است و برای بهبود دقت قبل از اینکه کار را به یک ابزار مفید در یک محیط بالینی تبدیل شود، نیاز به پالایش بیشتر است.

کائو گفت: “این تلاش مشترک بیماران، روانپزشکان، دانشمندان علوم اعصاب، دانشمندان کامپیوتر و محققان در رشته های دیگر برای ایجاد ابزار بهتر برای سلامت روانی دقیق خواهد بود.” “ما یک گروه روانپزشکی محاسباتی در گروه A داریم که یک گروه از پزشکان و دانشمندان عالی برای مشارکت در این مشکل چالش برانگیز هستند.”

منبع:

موارد ارائه شده توسط دانشگاه آلبرتا دانشکده پزشکی و دندانپزشکی.