IBM和阿尔伯塔大学进行的开创性研究，使用简单磁共振成像（MRI）和建造的观察脑中血流的神经网络，能很快帮助医生诊断精神分裂症发作和症状的严重程度。此研究近日发表在《Schizophrenia》上。

阿尔伯塔大学的精神病学和神经科学教授Serdar Dursun博士说，这种独特、创新的多学科方法开启了新认识，加深了我们对精神分裂症的神经生物学原理的理解，可以帮助改善该疾病的治疗和管理。

研究人员分析了来自开放数据集生物医学信息学功能研究网络（fBIRN）的去标识化的大脑功能核磁共振影像（fMRI）数据，数据中既包括精神分裂症患者和分裂情感性障碍患者，也包括健康的对照组。通过检查这95位参与者的扫描影像，研究人员使用机器学习技术开发了一种精神分裂症模型，用于识别大脑中与该疾病相关的最紧密的连接。机器学习算法通过利用不同大脑区域间的活动关联，能以74%的准确率区分精神分裂症患者与对照组。

通过预测症状严重等级，可以得到更加量化、基于测量结果的精神分裂症特征。可以在一个范围内确定该疾病，而不只是看到一个非此即彼的二元标签（诊断或非诊断）。这种客观的、数据驱动的严重等级分析方法，最终可以帮助临床医生为患者量身定制治疗方案。

Dursun表示，我们已经发现了可在未来研究中考察的一些显著的脑中异常连接。AI建造的模型让我们距离发现作为精神分裂症诊断和预后标志物的客观的基于神经影像模式又近了一步。

此外，研究表明，功能网络连接也可以帮助确定患者表现出的多种症状的严重等级，包括注意力迟钝、行为怪异和思维形式障碍，以及失语症（言语贫乏）和动力缺乏。

更有效的诊断工具和治疗选择离我们还远吗？

（环球医学编辑：丁好奇 ）

未经授权，不得转载！