根据全国精神疾病联盟和世界卫生组织的数据，抑郁症影响着 1600 万美国人和全球 3.22 亿人。新出现的证据表明， 大流行正在进一步加剧普通人群中抑郁症的患病率。有了这个轨迹，很明显，需要更有效的治疗策略来解决这一关键的公共卫生问题。

在最近发表在 2021 年 6 月 9 日在线版Nature Translational Psychiatry 上的一项研究中，加州大学圣地亚哥分校医学院的研究人员使用了多种模式的组合，例如测量大脑功能、认知和生活方式因素，以生成个性化的预测的抑郁症。

机器学习和个性化方法考虑了与个人主观症状相关的几个因素，例如睡眠、运动、饮食、压力、认知表现和大脑活动。

“抑郁症有不同的潜在原因和原因，”该研究的资深作者、NEATLabs 主任、加州大学圣地亚哥医学院精神病学系助理教授 Jyoti Mishra 博士说。“简而言之，目前的医疗保健标准大多只是询问人们的感受，然后开出药物处方。在大型试验中，这些一线治疗已被证明只有轻度到中度有效。

“抑郁症是一种多方面的疾病，我们需要通过个性化的治疗来应对它，无论是心理健康专家的治疗、更多的锻炼还是多种方法的组合。”

这项为期一个月的研究使用智能手机应用程序和可穿戴设备(如智能手表)收集了 14 名患有抑郁症的参与者的数据，以测量睡眠、锻炼、饮食和压力等情绪和生活方式变量，并将这些与认知评估和脑电图相结合，在他们身上使用电极头皮记录大脑活动。

目标不是在个人之间进行任何比较，而是模拟每个人每天抑郁情绪波动的预测因素。

研究人员开发了一种新的机器学习管道，以系统地识别每个人情绪低落的不同预测因素。

例如，运动和每日咖啡因摄入量成为一名参与者情绪的强预测因子，但对于另一名参与者而言，睡眠和压力更具预测性，而在第三个受试者中，最高的预测因子是大脑功能和对奖励的认知反应.

“我们不应该一刀切地处理心理健康问题。患者可以通过更直接和量化地了解特定行为如何助长他们的抑郁症而受益。临床医生可以利用这些数据来了解患者的感受并更好地整合改善和维持心理健康的医学和行为方法，”米什拉说。

“我们的研究表明，我们可以使用现成的技术和工具，如手机应用程序，从患有或有患抑郁症风险的个人那里收集信息，而不会给他们带来重大负担，然后利用这些信息设计个性化的治疗计划.”

米什拉说，下一步包括检查由数据和机器学习指导的个性化治疗计划是否有效。

“我们的发现可能比抑郁症具有更广泛的影响。任何寻求更大幸福的人都可以从他们自己的数据中量化的见解中受益。如果我不知道出了什么问题，我怎么知道如何感觉更好?”

免责声明： 本文由用户上传，如有侵权请联系删除！

标签： 预测抑郁症