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。
在最近发表于 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多种模式(例如测量大脑功能、认知和生活方式因素)来生成个性化预测的抑郁症。
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。
标签： 抑郁症
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
