人工智能可能有助于精神分裂症和双相情感障碍的及时诊断

精神分裂症和双相情感障碍是严重的心理健康疾病，通常在成年早期出现。尽管有有效的治疗方法，但准确的诊断却颇具挑战性。研究表明，从疾病发作到正确诊断往往需要数年时间，这段时间越长，治疗难度越大。奥胡斯大学和奥胡斯大学医院精神病学系的新研究指出，人工智能可能有助于解决这一难题。该研究发表在《美国医学会精神病学杂志》（JAMA Psychiatry）上。

“这是一个难以解决的临床挑战，但我们已经尝试过了，研究结果表明我们正走在正确的道路上。”奥胡斯大学临床医学系和中央丹麦地区精神病服务的教授索伦·迪内森·厄斯特加德（Søren Dinesen Østergaard）说，他领导了这项研究团队。

分析电子健康记录数据

该研究基于24,449名患者的数据，这些患者曾因其他较轻的精神疾病（如焦虑和抑郁）接受过治疗。这些数据被用于开发一种机器学习算法，该算法可以预测患者在未来五年内是否会发展为精神分裂症或双相情感障碍。

“如果算法显示患者在未来五年内患精神分裂症或双相情感障碍的可能性很高，医疗人员可以集中检查与此类疾病相关的症状——这可能会导致更早的诊断和针对性治疗的开始。”厄斯特加德解释道。

初步成功，但仍需改进

机器学习算法分析了电子健康记录中超过1,000个因素（包括诊断、药物和临床笔记中的文本）与未来五年内患精神分裂症或双相情感障碍的可能性之间的关联。结果显示，每100名被算法标记为高风险的患者中，约有13人会在未来五年内被确诊为这两种疾病之一；而每100名被标记为低风险的患者中，约有95人不会被确诊。

“这种准确度可能还不足以让算法的第一版应用于临床实践，但我们知道如何改进它。关键在于更复杂地分析临床笔记中的文本。”厄斯特加德表示。

临床笔记中的特定词汇驱动预测

研究人员考察了哪些医疗记录成分最有助于预测精神分裂症和双相情感障碍。结果表明，对预测贡献最大的十个因素全部来自临床笔记。这些因素包括描述社交退缩和听觉幻觉等症状的词汇，以及描述住院治疗的词汇——这些都是严重精神疾病的明确指标。这在临床上是有道理的。

该研究使用的语言模型相对简单，仅基于单个词汇的相对频率，而不考虑这些词汇出现的上下文。然而，现在已有更先进的语言模型，可以理解整个句子的意义，类似于ChatGPT的技术。

“我们乐观地认为，这项技术可以使我们对未来版本算法的预测足够精确，以支持临床实践。这是一个我们将肯定会追求的机会。”厄斯特加德说。

(全文结束)