根據(jù)全國精神疾病聯(lián)盟和世界衛(wèi)生組織的數(shù)據(jù)，抑郁癥影響著 1600 萬美國人和全球 3.22 億人。新出現(xiàn)的證據(jù)表明， 大流行正在進一步加劇普通人群中抑郁癥的患病率。有了這個軌跡，很明顯，需要更有效的治療策略來解決這一關鍵的公共衛(wèi)生問題。
在最近發(fā)表于 2021 年 6 月 9 日在線版Nature Translational Psychiatry 上的一項研究中，加州大學圣地亞哥分校醫(yī)學院的研究人員使用多種模式(例如測量大腦功能、認知和生活方式因素)來生成個性化預測的抑郁癥。
機器學習和個性化方法考慮了與個人主觀癥狀相關的幾個因素，例如睡眠、運動、飲食、壓力、認知表現(xiàn)和大腦活動。
“抑郁癥有不同的潛在原因和原因，”該研究的資深作者、NEATLabs 主任、加州大學圣地亞哥醫(yī)學院精神病學系助理教授 Jyoti Mishra 博士說。“簡而言之，目前的醫(yī)療保健標準大多只是詢問人們的感受，然后開出藥物處方。在大型試驗中，這些一線治療已被證明只有輕度到中度有效。
“抑郁癥是一種多方面的疾病，我們需要通過個性化的治療來應對它，無論是心理健康專家的治療、更多的鍛煉還是多種方法的組合。”
這項為期一個月的研究使用智能手機應用程序和可穿戴設備(如智能手表)收集了 14 名患有抑郁癥的參與者的數(shù)據(jù)，以測量睡眠、鍛煉、飲食和壓力等情緒和生活方式變量，并將這些與認知評估和腦電圖相結合，在他們身上使用電極頭皮記錄大腦活動。
目標不是在個人之間進行任何比較，而是模擬每個人每天抑郁情緒波動的預測因素。
研究人員開發(fā)了一種新的機器學習管道，以系統(tǒng)地識別每個人情緒低落的不同預測因素。
例如，運動和每日咖啡因攝入量成為一名參與者情緒的強預測因子，但對于另一名參與者而言，睡眠和壓力更具預測性，而在第三個受試者中，最高的預測因子是大腦功能和對獎勵的認知反應.
“我們不應該一刀切地處理心理健康問題?；颊呖梢酝ㄟ^更直接和量化地了解特定行為如何助長他們的抑郁癥而受益。臨床醫(yī)生可以利用這些數(shù)據(jù)來了解患者的感受并更好地整合改善和維持心理健康的醫(yī)學和行為方法，”米什拉說。
標簽： 抑郁癥
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！