更客觀診斷精神疾病 IBM機器學習更精準

精神分裂症的診斷通常仰賴主觀方法,但是IBM和Alberta大學希望能利用人工智慧,發展出一種數據基礎的客觀診斷。

根據FierceBiotech,一般說來,精神分裂症並沒有單一的測試,因此診斷通常包括觀察症狀並排除其他潛在的原因,例如藥物濫用或其他精神健康障礙。 雖然科學家們已經觀察到健康人和精神分裂症患者腦部掃描的差異,但根據美國國家心理健康研究所(NIMH)的數據,目前尚未用於診斷神經系統疾病。

74%準確度

在IBM與Alberta大學最新發表的研究上,該團隊利用機器學習分析腦部網路,再用演算法預測精神分裂的發生,換句話說,用人工智慧演算法開創一個基於腦部連結辨識精神分裂的模型。IBM在聲明中表示,該研究使用開放數據組Function Biomedical Informatics Research Network,受試者共計95名,包括健康人、精神分裂患者、以及情感性精神分裂者。

研究中,研究人員透過機器學習演算法,分析功能性磁振造影(fMRI),所謂fMRI是一種神經影像學技術,原理係利用磁振造影測量神經元活動所引發之血液動力的改變,而這套演算法會衡量血流狀況,以監測腦部不同區塊的活動。根據數據,神經網路可以得到一個精神分裂症的預測模型,研究顯示有74%的準確率,可以區分健康者和精神分裂患者。

除此之外,這套演算法不僅可判斷患者是否有精神分裂,更重要的是,它可以預測疾病的嚴重程度,提供醫師治療計畫更多的引導。終極目標則是開創一種客觀、數據導向的新方法,用於衡量精神疾病和神經系統疾病。

喜歡這篇文章嗎?立即分享

你可能感興趣的文章