（图片来源：Pexels）
根据斯坦福大学精神病学教授LeanneWilliams博士的说法，目前抑郁症的诊断和治疗很大程度上依赖于主观调查，对于病情诊断并不精准。患者存在不同的症状，如情绪低落、食欲不振、知觉丧失、精力不足和注意力不集中，他们可能被诊断为抑郁症。更糟的是这样的主观诊断，随着病情进展会导致患者延迟康复。Williams说，“目前的治疗是一个反复试验的过程，一种治疗不起作用，就尝试另一种，这是万金油式的方法。所以我们需要一个更精确的方式来选择最佳治疗方案。”（图片来源：Pexels）在最近一项研究中，Williams博士和斯坦福大学研究人员开发了一种算法来解释抑郁症患者特有的脑电波模式，目的是更好地查明哪些症状会随治疗而改变。他们致力于开发一款应用于临床的有效模型。Williams说：“抑郁症有很大的个体差异，至少有种独特的症状组合可以被诊断为抑郁症。脑电测量可以用来帮助确定抗抑郁治疗会改变哪些特定症状和不会改变哪些症状。”（图片来源：baidu）Williams博士的研究招募了名抑郁症患者，随机分为三组，分别使用不同的抗抑郁药治疗八周。基于脑电数据，该算法成功预测了哪些症状会随着治疗而改善，其中七个症状（包括洞察力和体重减轻）的表现最高。新算法通过单个症状数据与脑电（EEG）测试的单个记录相结合来预测抗抑郁药治疗后各种抑郁症状的改善。（图片来源：参考文献）计算机博士PranavRajpurkar说：“AI能够学习并发现患者在整个抑郁治疗过程当中的抑郁症状与EEG信号的关系。该算法还能识别出不良高风险的临床症状（例如自杀）。由于调查问卷诊断的主观性，这些症状可能会被忽略。例如，标注“洞察力差”的症状通常意味着患者可能无法意识到自己的病情。”（图片来源：参考文献）因此需要一种新的模型来客观的衡量抑郁症的风险因子，这样可以识别出哪些人可能适合深入的治疗，或除抗抑郁药以外的方法，从而帮助他们尽快获得最佳治疗。原文作者：TracieWhite参考文献：RajpurkarP,YangJ,DassN,etal.EvaluationofaMachineLearningModelBasedonPretreatmentSymptomsandElectroencephalographicFeaturestoPredictOut