Page 247 - 急诊医学与精神疾病的临床理论研究
P. 247
Clinical Theoretical Research on Emergency Medicine and Mental Disorders
急诊医学与精神疾病的临床理论研究
与精神障碍的形成和发展之间的因果关系与影响机制。
图 7-1 人工智能技术被应用于精神障碍相关研究
近些年，人工智能的兴起为精神病理学研究带来了新的机遇，其对精神病理
学的一大贡献是有关基因的研究。精神病理学相关基因的研究是基于多基因风险
评分以及其对精神障碍的共同影响，包括对抑郁、焦虑、双相情感等在内的多种
精神障碍遗传风险进行分析。这些方法无法对蛋白质编码以外遗传变异的影响进
行研究，因此也难以进一步推动全基因组精神病理学的发展。通过人工智能机器
学习技术，Xiong 等构建了一个计算模型，以 DNA 序列为输入项，对人类组织
的基因剪接进行预测。该模型还被用于研究各种精神障碍，可确定常见或罕见的，
甚至是自发的基因变异。人工智能的计算模型通过基因剪接变异，对自闭症进行
预测，准确率可达 85%。基于人工智能算法，研究人员通过基因影响和神经生理
标记进行建模，对包括智力、自闭症谱系、癫痫以及更广泛的神经发育等在内的
精神障碍所形成的机制，进行了更完备与更准确的预测。人工智能技术还被用于
心理健康诊断。例如：结合人工智能技术电子健康记录的心理健康检测，突破了
传统纵向研究数据收集时间点单一等问题，可实现对心理健康更精确的诊断；基
于电子健康记录能够根据被试不同的健康记录，实现对不同被试进行个性化测量，
而非在同一时间测量所有被试的心理健康状况。因此，相较于传统的检测方式，
结合人工智能技术与电子健康记录对心理健康状况的测量更动态、全面且准确。
除了传统预测指标外，被试在日常生活中的语言、写作文本等自然语言指标，也
被加入精神障碍预测的指标。
230
