生物标志物可能是精准心理健康诊断护理的关键

由尖端机器学习技术驱动的大脑生物标志物研究可以重新定义心理健康状况的分类和诊断方式，并带来更有效、个性化的治疗。

这是里哈伊大学罗辛工程与应用科学学院生物工程、电气与计算机工程助理教授张宇的目标，他最近获得了国立卫生研究院下属的国家心理健康研究所 (NIMH) 的大力 支持 。卫生署(NIH)。这两笔拨款总计近 400 万美元，将资助两个利用脑成像和机器学习 (ML) 寻找生物标志物的项目，以改善精神健康障碍患者的诊断和治疗结果。

生物标志物本质上是某种类型的标志，表明医疗状态并且可以测量。

第一项 研究 旨在改善抑郁症的治疗。据世界卫生组织称，全世界大约有 2.8 亿人患有这种疾病。 里哈伊大学脑成像和计算实验室(BIC Lab)的负责人张说，抗抑郁药是主要的治疗形式，但只有大约一半的患者有效 。

“传统上，医疗专业人员结合行为和临床症状来诊断抑郁症，这些症状相当主观，会导致患者存在很大的异质性，”他说。“我们的目标是利用大脑成像和机器学习建立客观的生物标志物，更好地捕捉大脑的功能障碍。这些生物标志物本质上将使我们能够根据患者的大脑回路来预测患者是否会对药物产生反应，这将有助于指导个性化干预。”

张和他的团队包括德克萨斯大学奥斯汀分校戴尔医学院 (Dell Med)、宾夕法尼亚大学佩雷​​尔曼医学院 (PSOM) 和斯坦福大学医学院的合作者，他们将利用来自生物标志物建立的双盲随机安慰剂对照临床试验。这些数据，包括治疗前从患者收集的功能磁共振成像(fMRI)和脑电图(EEG)，将用于训练机器学习模型来识别大脑中的生物标志物。

“我们正在寻找的生物标志物不是单个大脑区域，而是不同区域之间以及大脑成像模式之间的相互作用，”张说。“我们正在研究与各种精神疾病相关的大规模大脑网络，主要涉及认知工作记忆和情绪调节。我们假设这些内在大脑网络之间的相互作用可能会揭示可以预测个体水平治疗反应的信息丰富的生物标志物。”

他说，从本质上讲，网络之间的相互作用程度可能表明一个人对药物的反应程度。

一旦团队建立了模型，他们将通过进行独立的临床试验来测试它。Dell Med 的研究人员将招募大约 50 名被诊断患有抑郁症的人，给他们开抗抑郁药物，并测量他们症状的变化。

“我们将收集治疗前的脑成像数据，并使用这些数据来验证和优化我们的生物标志物发现，”张说。

他设想未来该模型可以轻松安装在任何计算机上，并与便携式脑电图设备协同工作。

诊所或医院患者的大脑将被脑电图扫描，数据将被输入到模型中。该模型将使用这些大脑信号来评估大脑区域(即生物标记)之间连接的强弱，然后生成输出，告诉医生或临床医生该人对抗抑郁药物的反应可能如何基于这些生物标志物的药物治疗。

虽然张和他的团队只关注选择性血清素再摄取抑制剂(SSRI)，但他说，最终目标是对模型进行足够的微调，使其能够预测一个人对其他化合物的反应。

他说，他们的人工智能引导生物标记不仅可以提供个性化的治疗方法，而且可以取代当前浪费时间和金钱的试错治疗策略。

“对于患者来说，时间通常比金钱更重要，”张说。“因此，将尖端人工智能与脑成像相结合，确实可以推动一种新颖的治疗解决方案，快速帮助人们，并使他们对自己的治疗更有信心。这可能是一种精准的心理健康护理形式，可以为患者带来真正的希望。”

张新资助的第二项 研究 也将使用大脑成像数据来识别生物标志物，这一次将重新定义精神障碍的分类。