AI技术如何为抑郁症患者服务

根据该研究团队的临床测试表明，该算法对于舍曲林（sertraline）这种常见抗抑郁症药物有效性的判断准确率在76%左右。团队负责人Amit Etkin成立了Alto Neuroscience公司，将继续致力于此项技术的研发，希望借此帮助医生更准确地为精神类疾病患者开具药方。

一、参考信息少，医生开药“老大难”

抗抑郁类药物并不总是有效，而医生也无法确定无效的原因。加州斯坦福大学Amit Etkin说：“精神病学有一个核心问题，我们只能根据疾病的最终表现来描述疾病的特征，比如疾病所导致的行为。”

“假如你只告诉我，你很沮丧，那我并不能判断什么，而且我也不知道你大脑里究竟发生了什么，我们只能凭借很少的信息来给你开药。” Etkin说。

Etkin希望找到一种机器学习算法，可以从抑郁症患者的脑部扫描结果中预测抗抑郁症药物是否有效。他选择了舍曲林，这种抗抑郁症药物通常仅对三分之一的服用患者有效。

Etkin和他的团队收集了228名抑郁症患者的脑电图（EEG）信息，这些患者从18岁至65岁不等。受试患者以前都曾尝试过抗抑郁药物，但不包括舍曲林。

大约一半的受试者服用舍曲林，其余的则服用安慰剂。然后，研究人员在八周的时间内监控受试者的情绪，并使用抑郁等级量表测量其变化。

二、算法可识别特定的大脑活动模式

通过将对药物反应良好的人的脑电图记录与对药物反应不佳的人的脑电图记录进行比较，机器学习算法能够识别出特定的大脑活动模式，舍曲林对这种具有特定大脑活动模式的患者有效的可能性会更高。

然后，研究人员在另一个279人的小组上测试了该算法。在测试中，有41%的受试者对舍曲林反应良好，而经过算法预测可能对舍曲林反应良好的患者中，有76%是准确的。

Etkin成立了Alto Neuroscience公司来研发这项技术。Etkin表示，他希望为医生们提供这种“客观的测试方法”，来帮助他们为患者更加准确而有效地开具药方，而不是凭借简单经验和偶然性。

丹麦哥本哈根审查小组的Christian Gluud说，“这种AI技术可能确实对抑郁症患者的未来会有一定影响，但是在进入临床实践之前，还需要经过其他研究团队的复制检验。”

结语：AI解读脑图助力医学发展

目前无创脑机接口的研究已经进入实体产品落地阶段（“用思维代替双手”成为可能！NextMind首次实现实时脑机交互），而利用机器学习算法对人类脑电图进行分析和建模也是各路创企探索的方向之一。

从上述案例我们可以看到，AI技术的介入可以将以往根据患者“表象”来判断病情转变为根据“数据”来说话，准确性可能有一个质的提升。

不过目前该算法测试的样本量还较少，我们也期待Etkin团队可以继续对其进行优化，争取早日让这一技术造福更多抑郁症患者。