人工智能根据脑波模式预测有效的抑郁症治疗方式

斯坦福大学精神病学教授Leanne Williams博士说，目前用于诊断和治疗抑郁症的方法大多是没有什么成效的，很大程度上依赖于对调查问题的主观答案。但糟糕的是，这些方法会导致选择性治疗，随着疾病的发展，而推迟患者的康复。 

威廉姆斯说：“目前的治疗是一个反复试验的过程。” “这是一种适合所有人的范畴。如果第一种治疗无效，那么将尝试第二种。我们需要一种更精确的工具先来选择最佳治疗方案。”

威廉姆斯和她的合作者在构建一个更有效的模型，他们希望该模型能很快在临床试验发挥作用。在最近的一项研究中，他们部署了一种算法来解释抑郁症患者独有的脑电波，目的为了更方便观测到哪些症状会随治疗而改善。

斯坦福大学精确心理健康与健康中心主任威廉姆斯说：“我们知道抑郁症是非常不同的，并且至少有1000种独特的症状组合可以被诊断为抑郁症。” “我们发现脑电波测量可以检测到那些抗抑郁药治疗会改变一些特定症状，而哪些无效。”

根据国家心理健康研究所的数据，严重抑郁症是美国最常见的精神障碍，2017年影响了约7％的成年人。其中，约有一半人数从未得到治疗。对于这样做的人，在当前反复试验的过程中，想要找到正确的治疗方法可能需要花费数年的时间。

对于Williams的研究，收集了518名诊断为抑郁症的患者的数据，这些患者被随机分配到使用三种不同抗抑郁药进行治疗约八周的时间。基于脑电波数据，该算法成功预测了哪些症状会随着治疗而改善，其中七个症状（包括洞察力和体重减轻）因治疗而有所缓解的程度最高。

长期以来，创建新的，客观的，高科技的实验室测试以帮助诊断精神疾病一直是Williams和其他翻译神经科学家的目标。目前，临床医生没有进行血液测试或使用心脏监护仪进行的测量，而是依靠一项调查：患者或医生自己列出症状。如果患者有一定数量的各种各样的不同症状-包括情绪低落，食欲不振，失去知觉，精力不足和注意力不集中-他们将得到广泛的临床抑郁症诊断。 

对于新模型，Williams与斯坦福大学AI医疗保健训练营的研究人员合作，由计算机科学副教授Andrew Ng博士领导。该团队着手设计一种算法，该算法能够预测抗抑郁药治疗后各种抑郁症状的改善。单个症状数据与脑电图（EEG）测试的单个记录相结合，该测试监测了参与者大脑中的电活动。

我们可以让人工智能学会数据中的复杂关系，“我们能够学习并发现患者在开始治疗时的抑郁症状以及脑电图读数与他们在八周内的抑郁症状之间的奇妙关系。”

Rajpurkar说，该算法还能够识别出具有与严重倾向（如自杀）及风险较高的相关临床症状的个体。由于诊断的主观性质，可能会忽略这些症状。例如，标有“洞察力差”的症状通常意味着患者可能无法意识到自己的病情。

她说：“我们需要一种新的模型，例如这种模型，以提供这些抑郁症危险因素的客观指标，以识别可能受益于更深入的治疗或除抗抑郁药以外的治疗方法的人，以期尽快获得最佳治疗。” 。

源：Hacker News（崔西·怀特）