马克斯·普朗克研究所：人工智能机器学习用于预测精神病

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。

参考：Multimodal Machine Learning Workflows for Prediction of Psychosis in Patients With Clinical High-Risk Syndromes and Recent-Onset Depression. https://jamanetwork.com/journals/jamapsychiatry/fullarticle/2773732