训练计算机以识别躁郁症
研究人员在寻找精神疾病的生物学标志物方面继续取得进展.如果可以对这些标记物进行科学验证，人们将广泛期望这些标记物可以使诊断和风险评估更加客观.
现在，由新斯科舍省哈利法克斯市达尔豪西大学的2015年BBRF独立研究人员和2007年年轻研究人员Tomas Hajek博士领导的大型国际团队报告了使用机器学习方法进行识别的努力所取得的令人鼓舞的成果.躁郁症的诊断标志物.这些发现是基于通过MRI脑成像收集的信息.该报告于2018年8月31日发表在《分子精神病学》(Molecular Psychiatry)中.
目前，所有精神疾病的诊断仍然基于观察和报告的患者症状.双相情感障碍提出了特殊的诊断挑战，因为在许多情况下，双相情感障碍首先表现为抑郁.一小部分沮丧的人会在以后的某个时间经历所谓的躁狂发作，其特征似乎是与抑郁症截然相反的症状:唤醒状态高，精力旺盛，睡眠需求减少以及有一种倾向做出轻率和冲动的决定.这部分患者被认为患有躁郁症.
双相情感障碍被科学家称为“异质性"，这使诊断任务进一步复杂化，这意味着存在具有不同症状模式和潜在神经生物学的几种亚型.因此，将诊断基于客观的生物学措施，例如涉及脑成像的生物学措施，对医生和患者都将非常有帮助.
Hajek博士及其同事想确定MRI成像数据是否可以揭示大脑中的一组生物学特性，从而表明大多数患者存在双相情感障碍.为了验证这一概念，研究小组将总共853名双相情感障碍患者和2167名对照患者的MRI扫描汇总在一起.这些受试者是一个名为ENIGMA的项目的数据集的一部分，该项目从不同地点收集了患者信息以形成大样本.需要大样本才能有效地采用机器学习方法，在这种方法中，计算机会训练自己以识别与双相情感障碍相对应的大脑解剖结构方面(在这种情况下).到目前为止，还没有组装可比较大小的样品来进行此操作.
考虑到疾病的可变性以及该研究的患者是在13个不同的地点招募而没有任何协调的事实，研究人员最初怀疑他们是否可以根据脑结构将患者与对照区分开.然而，它们具有来自MRI扫描的生物学参数，使他们能够以大约65％的准确度识别双相情感障碍患者.研究小组指出:“这些发现为双相情感障碍的普遍性脑影像学特征提供了概念证明，即使在大的，多部位的样本中，也可以在个体受试者中检测到."他们补充说:“尝试将患者与对照区分开是迈向更多临床相关问题(如差异诊断)之前的第一步"-能够区分具有相似表现的不同精神疾病.
要用作临床诊断工具，机器学习将必须产生至少80％的诊断准确性. Hajek博士说，不仅可以访问某些大脑区域的信息，而且可以访问实际的MRI扫描，可能会大大改善性能.但他指出，目前，共享完整扫描会带来法律和患者隐私方面的复杂性.
其他参与研究的BBRF受助者包括:Geraldo Busato博士，2010年，独立研究员； Dara Cannon博士，2006年，2004年，青年研究员； Janice Fullerton博士，2007年，青年研究员； David Glahn博士，2014年，独立研究员，2003年，2005年，青年研究员； Roshel Lenroot，医学博士，2003年，年轻研究员； Colm McDonald博士，2009年，独立研究员，2002年，青年研究员； Theodore Satterthwaite，医学博士，2014年Klerman奖获得者，2010年年轻研究员;贾尔·苏亚雷斯(Jair Soares)，医学博士，1999年，1997年，年轻研究员；和爱德华·维埃塔(Eduard Vieta)，医学博士，2012年科文奖获得者.
