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。