精准医疗中的人工智能：预测抗抑郁治疗效果

一项新研究表明，人工智能算法可以预测抗抑郁药物对患者的疗效。 人工智能发现，大脑某一区域血液循环的增加是药物疗效的一个指标。 在人工智能的帮助下，研究人员为抑郁症的精准医疗创造了一个有用的工具。

抑郁症又称重性抑郁障碍（MDD），是一种常见的情绪障碍，根据美国卫生计量与评估研究所全球健康数据交换中心（Institute of Health Metrics and Evaluation Global Health Data Exchange）的数据，全球约有2.8亿人受到抑郁症的影响。美国国家精神卫生研究所（NIMH）称，重性抑郁症是美国最常见的精神障碍之一，抗抑郁药物是常用的治疗方法。

据NIMH称，抑郁症患者罹患身体疾病的风险更大，患代谢性疾病和心血管疾病的风险比普通人高 40%。抑郁症患者可能需要尝试多种抗抑郁药物才能找到适合自己的药物，而抗抑郁药物通 常需要一到两个月的时间才能发挥作用。因此，如果临床医生能更快地预测病人对抗抑郁药物的反应，就能加快恢复病人健康的进程，并有可能挽救病人的生命。

精准医疗和保健领域最有前景的领域之一是利用人工智能（AI）机器学习作为工具，协助临床医生预测患者的治疗结果，以实现个性化治疗。AI预测抑郁症治疗结果的能力，基于机器学习算法和大数据分析，正在逐步成为现实。

人工智能与抑郁症研究进展

声学特征分析：AI技术通过分析患者的声音特征，如语速、音量和音调变化，来识别抑郁症状。研究表明，这些声学特征与抑郁症患者的情绪状态和症状严重程度密切相关。

脑电图（EEG）分析：AI技术应用于脑电图数据，以识别与抑郁症相关的脑电活动模式。机器学习方法能够处理这些数据，为抑郁症的诊断和治疗反应提供预测。

生理生化信息分析：AI技术结合多模式临床和生物标志物数据，如基因表达、神经递质水平等，构建预测模型，以预测患者的治疗反应。

脑影像学分析：利用结构和功能磁共振成像（MRI）数据，AI技术可以识别抑郁症患者的脑部结构和功能差异，并预测治疗结果。

多变量决策支持系统：AI技术将单变量生物标志物发现转化为多变量决策支持系统，提高预测的准确性。

抑郁症预警与干预：AI技术在抑郁症的早期识别和预警方面显示出潜力，有助于及时干预，预防不良后果。

治疗反应预测：AI技术通过分析患者的临床数据和生物标志物，预测患者对特定抗抑郁治疗的反应，从而实现个性化治疗。

自杀风险预测：AI技术还被用于预测抑郁症患者的自杀风险，通过分析电子病历和其他临床变量来识别高风险个体。

整合临床和影像特征：AI技术结合临床特征和神经影像数据，为抑郁症的分类、治疗反应和预后提供准确的预测模型。

抗抑郁药物反应预测网络：AI技术发展出专门的网络模型，如抗抑郁药物反应预测网络（ARPNet），以预测患者的药物反应。

新研究概况

阿姆斯特丹UMC和Radboudumc的一项新研究表明，人工智能算法可以利用核磁共振脑部扫描和临床数据，预测抗抑郁药对抑郁症患者的疗效，最多可提前8周预测疗效。

美国食品和药物管理局（FDA）批准了不同类型的抗抑郁药物，如N-甲基-D-天冬氨酸（NMDA）拮抗剂（艾氯胺酮）、单胺氧化酶抑制剂（MAOIs）、神经活性类固醇γ-氨基丁酸（GABA）-A 受体阳性调节剂（别孕烯醇酮）、 三环类和四环类抗抑郁药、5-羟色胺和去甲肾上腺素再摄取抑制剂（SNRIs）、非典型抗抑郁药（曲唑酮、奈法唑酮）和选择性5-羟色胺再摄取抑制剂（SSRIs）。

阿姆斯特丹UMC 和 Radboudumc 的研究人员重点研究了一种名为舍曲林的 SSRI，这种抗抑郁药能增加大脑中调节情绪的5-羟色胺的数量。舍曲林是一种常用的选择性5-羟色胺再摄取抑制剂。

5-羟色胺是一种在神经元之间传递信号的神经递质。选择性5-羟色胺再摄取抑制剂通过阻断神经元对5-羟色胺的再吸收来增加可用的5-羟色胺，从而帮助改善大脑神经细胞之间的信号传递。除舍曲林外，FDA 规定的其他 SSRI 药物还包括氟西汀、艾司西酞普兰、西酞普兰、帕罗西汀、沃替西汀和维拉唑酮。

这项研究中使用的核磁共振脑部扫描和临床数据来自229名被诊断为重度抑郁症的患者，这些患者来自一项名为"在临床护理中建立抗抑郁反应的调节因子和生物特征"（EMBARC）的研究--这是一项由德克萨斯大学西南医学中心牵头、哥伦比亚大学和马萨诸塞州总医院的主要研究人员合作开展的抑郁症临床试验。

在这项新研究中，阿姆斯特丹的研究人员创建了一种人工智能算法来预测舍曲林的效果。他们对舍曲林和安慰剂的基线和一周治疗后的效果进行了评估。结果发现，多模态模型与单模态模型相比，人工智能算法的准确性更高。在人工智能领域，多模态模型是将不同来源的数据联系起来的深度学习模型。在这种情况下，研究人员将多模态核磁共振成像数据与临床数据相结合，而灌注成像是关键。

Radboudumc精神病学家Ruhé在阿姆斯特丹 UMC 的一篇文章中指出，人工智能表明，大脑情绪调节区域（前扣带回皮层）血液循环的增加是药物疗效的指标。

研究人员利用人工智能机器学习、临床数据和核磁共振成像脑部扫描技术，创造了一种有用的工具，为抑郁症患者提供精准医疗。有了这一概念验证，临床医生可能有办法及时提供更加个性化的治疗，为抑郁症患者在未来获得更好的治疗效果。

欢迎加入病友群

微信扫码或长按识别

响应病友多年呼吁，大话精神编辑部在半年前搭建了患者交流群和家属交流群，半年来，已经有数千病友入群，每个群每天多达数千条信息分享。

面对青少年的抑郁、焦虑及辍学等问题，家属群的父母们分享交流，彼此借鉴经验，为了孩子一起在努力。

我们非常欣慰能为病友交流提供这样一个平台，同时也欢迎更多病友加入我们的大家庭。请长按二维码扫码入群。

欢迎转发推荐，让更多病友受益

大话精神专业分站《大话双相》、《大话抑郁》、《大话焦虑》、《大话少年》上线了，欢迎关注！

——大话精神

——大话精神

——大话双相

——大话焦虑

——大话抑郁

——大话少年

参考文献

Poirot MG, Ruhe HG,et al. Treatment Response Prediction in Major Depressive Disorder Using Multimodal MRI and Clinical Data: Secondary Analysis of a Randomized Clinical Trial. Am J Psychiatry. 2024 Mar 1;181(3):223-233. doi: 10.1176/appi.ajp.20230206.