马克斯·普朗克研究所:人工智能机器学习用于预测精神病

8个月前 (01-18 00:00)阅读58回复0
admin
admin
  • 管理员
  • 注册排名1
  • 经验值1035
  • 级别管理员
  • 主题207
  • 回复0
楼主
精神病(英语:Psychosis),又称精神错乱,是心智的异常状态,它的特征是与现实失去联系。主要病征包含错误的信念(妄想)以及觉知不存在的东西(幻觉),其他病征还有语无伦次及不合时宜的行为举止。发作期的患者可能会感到忧郁、焦虑、物质使用疾患、睡眠障碍、社交退缩、缺乏动机以及无法正常生活。
精神错乱有许多可能的病因,包含精神疾患、某些身体疾病、某些药物、物质滥用、缺乏睡眠等情况。精神错乱是一种可治疗的疾病,其病因很多会影响大脑处理信息的方式。
根据《研究与市场》(Research and Markets)在2020年9月发布的一份报告,2020年至2027年,全球抗精神病药物市场的年增长率为4.1%,预计到2027年将达到218亿美元。根据同一份报告,去年,美国在全球抗精神病药物市场中的份额超过28.8%。
人工智能机器学习能否为临床医生提供有关精神病患者的预测?德国慕尼黑马克斯-普朗克Max Planck Institute)精神病研究所的科学家的一项关于精神病学的新研究中,研究人员使用AI机器学习与人类智能相结合来预测精神疾病。
研究人员表示:“就我们所知,我们的研究首次表明,通过人工智能算法模式识别可以提高预测准确性,甚至可以证明决策支持工具在临床上是合理的。”
在这项研究中,研究人员使用了可在GitHub上使用的机器学习软件NeuroMiner来开发“顺序预测算法(sequential prognostic algorithm),该算法可确定要组合到堆叠模型中的预测性成分的最佳顺序。”

为了找到风险计算器的最佳预测特征集,研究人员使用了NeuroMiner中Liblinear库提供的支持向量机(SVM)。

支持向量机是有监督的 机器学习模型,用于在复杂数据集中查找可识别的模式。这是一种机器学习方法,具有相对较低的过度拟合高维成像数据(例如神经成像)的风险。支持向量机凭借其灵活的分类方法,特别适合用于精确精神病学的神经科学研究,用于AI预测抑郁症、阿尔茨海默氏病和精神分裂症。
研究人员报告说:“在这项针对334名患者和334名对照个体的预测后研究中,机器学习模型将临床和生物学数据与临床医生的估计相继结合,正确预测了85.9%的病例在不同地理区域的患者中的疾病转变。”

研究人员的目的是提供一种早期干预工具,以帮助医疗专业人员确定哪些患者需要治疗干预。现在,存在一种可能的新AI辅助方法的概念验证,这种方法可以早期发现患者的精神病,有一天可能会在将来改善精神健康治疗。
0
回帖

马克斯·普朗克研究所:人工智能机器学习用于预测精神病 期待您的回复!

取消
载入表情清单……
载入颜色清单……
插入网络图片

取消确定

图片上传中
编辑器信息