為了準確地識別出混合有精神病和抑郁癥狀的患者，伯明翰大學的研究人員最近開發了一種使用機器學習的方法。這項研究的結果發表在《精神分裂癥公報》上。

　　患有抑郁癥或精神病的患者很少會經歷純粹的一種或另一種疾病的癥狀。從歷史上看，這意味著心理健康臨床醫生可以診斷出“原發性”疾病，但具有繼發性癥狀。對臨床醫生而言，做出準確的診斷是一項巨大的挑戰，診斷通常無法準確反映出個人經驗或神經生物學的復雜性。

　　例如，診斷為精神病的臨床醫生會經常將抑郁癥視為繼發性疾病，這會影響到更側重于精神病癥狀(例如幻覺或妄想)的治療決策。

　　伯明翰大學心理健康研究所和人腦健康中心的一個團隊與PRONIA財團的研究人員合作，希望探索使用機器學習來創建高度精確的“純”疾病模型的可能性，并使用這些研究了一組混合癥狀患者的診斷準確性。他們的結果發表在精神分裂癥公報上。

　　主要作者巴黎亞歷山德羅斯·拉路西斯(Paris Alexandros Lalousis)解釋說：“大多數患者都有合并癥，因此精神病患者也有抑郁癥狀，反之亦然。”

　　Lalousis補充說：“這對臨床醫生而言是一個很大的挑戰，那就是診斷并提供專為沒有合并癥的患者而設計的治療方法。并不是患者被誤診了，但是我們目前的診斷類別無法準確反映出臨床和神經生物學現實”。

　　研究人員檢查了問卷調查的回答，詳細的臨床訪談以及來自參與PRONIA研究的300名患者隊列的結構磁共振成像數據，PRONIA研究是由歐盟資助的在七個歐洲研究中心進行的隊列研究。

　　在這一隊列中，研究人員確定了可分為精神病而無任何抑郁癥狀或患有精神病而無任何精神病癥狀的患者的小亞組。

　　研究小組使用這些數據確定了“純粹”抑郁癥和“純粹”精神病的機器學習模型。然后，他們能夠使用機器學習方法將這些模型應用于具有兩種疾病癥狀的患者。目的是為每位患者建立高度準確的疾病狀況，并針對他們的診斷進行測試，以查看其準確性。

　　研究小組發現，雖然更容易準確診斷出以抑郁為主要疾病的患者，但患有抑郁癥的精神病患者的癥狀最常出現在抑郁方面。這可能表明抑郁癥比以前認為的在疾病中起更大的作用。

　　Lalousis說：“迫切需要更好的治療精神病和抑郁癥的方法，這些疾病構成了全球范圍內主要的精神健康挑戰。我們的研究強調，臨床醫生需要更好地了解這些疾病的復雜神經生物學以及co的作用-病態的癥狀;尤其要仔細考慮抑郁癥在疾病中的作用”。

　　Lalousis指出：“在這項研究中，我們已經展示了如何使用綜合了臨床，神經認知和神經生物學因素的復雜機器學習算法，可以幫助我們理解精神疾病的復雜性。”

　　Lalousis進一步表示：“將來，我們認為機器學習可能會成為準確診斷的關鍵工具。我們有真正的機會開發數據驅動的診斷方法-這是精神健康與身體健康保持同步的領域因此，保持這種勢頭非常重要。”