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(guān)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(guān)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(jié)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。患者可以通過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，如有侵權(quán)請聯(lián)系刪除！