با استفاده از فناوری های هوش مصنوعی تشخیص سلامت روان با یادگیری ماشینی امکان پذیر شده است.
راهی برای استفاده از تشخیص سلامت روان با یادگیری ماشینی برای شناسایی دقیقتر بیماران مبتلا به ترکیبی از علائم روان پریشی و افسردگی توسط محققان دانشگاه بیرمنگام ایجاد شده است.
بیماران مبتلا به افسردگی یا روان پریشی به ندرت علائم یک بیماری یا بیماری دیگر را تجربه می کنند.
از نظر تاریخی ، این بدان معناست که پزشکان بهداشت روان تشخیص بیماری “اولیه” را می دهند ،
اما با علائم ثانویه. تشخیص دقیق یک چالش بزرگ برای پزشکان است و تشخیص ها اغلب پیچیدگی تجربه فردی یا در واقع نوروبیولوژی را منعکس نمی کنند.
به عنوان مثال ، پزشكانی كه روان پریشی را تشخیص می دهند ،
اغلب افسردگی را به عنوان یك بیماری ثانویه در نظر می گیرند ،
و نتیجه آن تصمیمات درمانی است كه بیشتر روی علائم سایكوز متمرکز است.
یک تیم در انستیتوی بهداشت روان دانشگاه بیرمنگام و مرکز سلامت مغز انسان ،
با همکاری محققان کنسرسیوم PRONIA قصد داشتند
امکان استفاده از تشخیص سلامت روان با یادگیری ماشینی را برای ایجاد مدلهای بسیار دقیق
از اشکال “خالص” هر دو بیماری و استفاده از آنها بررسی کنند.
اینها برای بررسی صحت تشخیصی گروهی از بیماران با علائم مختلف است.
نتایج آنها در بولتن اسکیزوفرنیا منتشر شده است.
نویسنده ارشد پاریس الكساندوس لالوسیس توضیح می دهد:
“بیشتر بیماران مبتلا به بیماری های همزمان هستند ،
بنابراین افراد مبتلا به روان پریشی نیز علائم افسردگی دارند و بالعكس.”
“این یک چالش بزرگ برای پزشکان از نظر تشخیص و سپس ارائه درمانهایی است
که برای بیماران بدون بیماری همزمان طراحی شده است.
این بدان معنا نیست که بیماران اشتباه تشخیص داده می شوند ،
اما دسته بندی های تشخیصی فعلی ما واقعیت بالینی و عصب شناختی را به طور دقیق منعکس نمی کنند. “
محققان پاسخ های پرسشنامه ، مصاحبه های بالینی دقیق و داده های حاصل از تصویربرداری تشدید مغناطیسی ساختاری
را از گروهی از 300 بیمار که در مطالعه PRONIA شرکت داشتند ،
یک مطالعه هم گروهی با بودجه اتحادیه اروپا که در هفت مرکز تحقیقاتی اروپا انجام می شود ،
بررسی کردند (www.pronia.eu) .
در این گروه ، محققان زیر گروههای كوچكی از بیماران را شناسایی كردند كه می توانند
طبقه بندی شوند یا از روان پریشی بدون هیچ گونه علائم افسردگی رنج می برند ،
یا از افسردگی بدون هیچ علائم روان پریشی.
تیم با استفاده از این داده ها مدل های یادگیری ماشینی افسردگی “خالص” و روان پریشی “خالص” را شناسایی کردند.
سپس آنها توانستند با استفاده از روشهای تشخیص سلامت روان
با یادگیری ماشینی این مدلها را در بیماران با علائم هر دو بیماری اعمال کنند.
هدف این بود که برای هر بیمار یک پروفایل بیماری بسیار دقیق بسازیم
و آن را بر خلاف تشخیص آزمایش کنیم تا ببینیم که دقیق است.
این تیم دریافت که ، در حالی که بیماران مبتلا به افسردگی به
عنوان یک بیماری اولیه به احتمال زیاد به طور دقیق تشخیص داده می شوند ،
بیماران مبتلا به روان پریشی مبتلا به افسردگی علائمی دارند که اغلب به سمت بعد افسردگی تمایل دارند.
این ممکن است نشان دهد که افسردگی بیشتر از آنچه تصور می شد در بیماری نقش دارد.
در آینده ای نه چندان دور می توان از این نوع نرم افزار های جدید برای مقابله و درمان با بسیاری از بیماری های روانی استفاده کرد
