加拿大的科学家们在精神健康领域取得重要进展,他们开发出一款创新的机器学习工具,通过分析大脑扫描,有望揭示精神分裂症早期迹象。在最近的研究中,研究人员针对57位精神分裂症患者的一级亲属进行试验,利用功能磁共振成像技术,精准地识别出在分裂型人格特质量表中得分最高的14人,显示了显著的预测能力。
精神分裂症困扰着全球300,000名加拿大人,其症状包括妄想、幻觉、思维混乱等,治疗通常结合药物、心理疗法和脑刺激。一级亲属患病风险高达19%,远高于普通人群的1%。这款名为EMPaSchiz的智能工具,由UofA和国家心理健康及神经科学研究所的专家团队联手打造,旨在通过客观的神经特征分析,超越传统的主观症状评估,提升诊断精度。
尽管具有分裂型人格特征可能增加患病风险,但并不直接意味着一定会发展成精神分裂症,因此,该工具被设计为决策支持的补充,而非替代专业医生的诊断。研究团队的目标是早期识别,探索疾病发展过程,以及识别症状特征群,从而改善患者的预后和管理。
由U三名成员参与的多学科团队,包括计算科学家拉斯格雷纳和精神病学家Greenshaw与DeSouza,共同推动了这款工具的创新。下一步,他们将测试该工具在非家族成员中的一致性,并追踪个体长期发展情况,以期为更广泛的患者群体提供更精确的预测。
KalmadyVasu博士,艾伯塔省机器智能研究所成员,同时也在通过类似方法开发算法,旨在预测心血管疾病患者死亡率和再入院风险,强调了这些严重疾病的客观预测工具对于提高生活质量的重要性。
随着科技的进步,智能工具在精神健康领域的应用正日益彰显其价值,为早期干预和个性化治疗提供了强大的支持,期待未来能为更多人带来希望和改变。