人工智能作为引领未来的战略性技术，近年来不仅在教育、金融等领域的发展如火如荼，在医疗领域的发展也风生水起，一时间医疗人工智能成为人们关注的新焦点。据悉，Grisanzio和他的同事正利用人工智能改善精神疾病的诊断。
我相信这种人工智能将成为我们的合作伙伴。如果我们滥用它，它将是一个风险；如果我们正确使用它，它可以成为我们的得力助手。——Masayoshi Son
与许多传统的“身体”疾病不同，精神疾病往往具有更好的特征（虽然许多人仍然无法理解），但由于大脑和头脑的复杂性，在精神疾病的评估和治疗工具方面存在较大困难。目前为止，精神疾病的诊断大部分还是基于临床观察和症状及治疗反应的统计分析；近年来，随着评估和计算分析的进步，我们开始看到更强大的工具的开发，这给未来的改进带来了希望。
目前的技术状况
目前精神病学诊断的局限性之一是许多病症相互重叠。焦虑、情绪障碍、恐惧、注意力和记忆障碍、能量水平的变化以及其他各种症状在许多诊断中都有共同之处。至少有50%的患者接受了一次以上的精神疾病诊断，这有时是因为诊断上的含糊不清，有时是共病的结果。
开发更精确的心理健康模型是非常必要的。焦虑和抑郁在世界范围内造成了最大的生产力损失和功能负担，而目前的治疗通常只对30%的患者有效，因此需要更精确的诊断方法，发展有效的生物测试(“生物标记”)，并将诊断与更有效的治疗和治疗计划联系起来。
尽管有统计分析，但传统诊断方法仍然存在人为偏差的误差。通过使用数学工具来寻找临床数据中固有的一致模式来接近精神病诊断，与传统诊断方法相比具有优势。虽然新的并不总是更好，但新方法的出现可以推动医疗保健向前发展。
机器学习是一种强大的工具，可以查看大量的数据集，并发现其他技术所遗漏的数据中的有用模式。通过使用AI类型的方法，研究人员可以利用计算能力来查看症状如何跨越所接收的诊断类别，以形成“跨诊断”的一致性。虽然AI技术在青少年中已有一定应用，但机器学习并没有应用于成人精神病理学。
迈向成人精神病学的跨诊断方法
为了开始鉴别不同疾病在成年人中的转化特征，Grisanzio和他的同事(2018年)研究了497名不同背景人群的成年人，其中包括248名患有严重抑郁症、PTSD和惊恐障碍的患者，以及249名没有精神疾病诊断的人。他们选择这三种诊断是因为这些诊断很常见，而且这些参与者经常接受额外的诊断，包括ADHD、广泛性焦虑障碍、强迫症、心境恶劣和季节性情感障碍。研究排除了物质使用障碍、脑损伤和其他干扰测试程序的情况。
研究者使用公认的诊断工具对参与者进行评估，包括汉密尔顿抑郁量表(Hamilton Depression Rating Scale)、DSM-IV的结构化临床访谈(Structured Clinical Interview)等；使用抑郁、焦虑和压力量表测量情绪、焦虑、压力、自尊、绝望和其他症状；神经认知测试(IntegNeuro)评价认知功能；脑电图(EEG)评估基本的大脑活动；使用简易风险恢复指数进行筛选日常功能。
首先使用“主成分分析”分析数据，以确定主要临床测量的趋势，然后使用机器学习方法进行“无监督”分析，这种方法不需要人工输入，而是独立地识别数据中存在的重要集群。最后，除了测试主要的497名参与者之外，研究者还在完全不同的381名成年人中重复了同样的测试，以提供一个“独立验证样本”来确认结果的有效性。研究结果适用于主要测试对象以及独立验证组，表明其具有强大的适用性。
在基础分析(主成分分析)中，研究者发现3个因素占临床数据的大多数(71.2%)：快感缺失、焦虑唤醒和紧张。这3个因素代表了三个主要诊断类别和共病的临床症状。无监督机器学习分析得出了6个独立的集群：规范性情绪(健康对照组)、紧张、焦虑性唤起、一般焦虑、快感缺失和忧郁症。下面是机器学习过程的图示:
树图显示了集群的推导。
主要因素的机器衍生集群。(资料来源:Grisanzio等人，2018年)
每一个集群都代表了统计学上不同的症状组，其中，独特的指纹结合了不同的临床表现、神经认知标记物、脑电图活动和功能状态。除了具有不同的临床特征外，这6个类群还存在显著差异：
焦虑唤醒：日常功能不良，最大的神经认知困难，特别是认知控制能力受损。
一般焦虑：在顶叶皮层的β带宽(通常与更高的大脑活动相关)中，有更高的脑电图反应，日常功能完好。
忧郁症：最糟糕的日常功能，特别是社交功能。
快感缺失：额叶皮层的β活跃度较高。
紧张：尽管压力很大，但在各方面的平均表现都不错。
这6个类群是如何与传统的精神病学诊断相关联的?下图显示了集群与我们目前使用的诊断重叠的地方：
精神病治疗有一个更光明的未来吗?
这项研究有助于从数据驱动的角度理解常见精神疾病的潜在症状，这项对成人的早期转诊研究为进一步完善临床应用打开了大门。目前的诊断分类是模糊的，相互重叠的，并且可能无法完全捕捉到一个特定个体的最佳情况。随着不断进行的研究进一步证实和扩大，我们可能有一种更准确的方法来评估心理健康，这应该是更好的治疗计划。
未来的研究将包括更多的诊断类别，并使用功能神经成像等评估工具来获得更详细的知识，以及更准确的诊断工具。结合对疾病机制的更深入了解，以及对评估和治疗的研究，我们开始看到更好的工具，例如药物基因组测试、TMS、新药物和第三代精神治疗药物等。最终，我们希望能够开发出一套以生物为基础的系统，在评估、治疗、尤其是为后代预防方面，为精神疾病患者提供帮助。
众所周知，传统诊断方法存在着人为偏差，会出现误诊的情况，然而人工智能在医疗领域的应用改善精神疾病的诊断，让诊断更精准。人工智能与医疗的深入融合为医疗机构和患者带来了诸多好处，虽然目前此技术只在青少年中应用，但随着高科技技术的不断发展，人工智能在成人精神病理学中也将发挥越来越重要的作用。
（原标题：人工智能可以改善精神疾病的诊断吗？）
