IBM深耕AI+醫療：藉助深度學習識別早期精神分裂症

【編者按】精神疾病是一個緩慢的發展過程，很難被察覺出來。在早期階段，我們和可能將其歸咎為外部環境的影響，但是如果不加以重視，或未被及時發現，那麼等到其嚴重的階段，將很難被治癒。隨著人工智慧的發展，其應用也越來廣泛。

本文從兩方面對識別早期精神分裂症進行了分析：1）耶魯大學利用血檢診斷工具來區分抑鬱症和早期精神分裂症；2）IBM利用深度學習來識別早期精神分裂症。

通常情況下，很多疾病和健康問題越早被發現，越容易治療。早期發現意味著治療的幾率越大，但是有些不能治癒的疾病，如果在早期被發現，就可以採取一些措施減緩其發展速度，防止該病症變得過於嚴重，比如精神分裂症。

那麼，如何檢測精神分裂症呢？

耶魯大學開發出可以區分抑鬱症和精神分裂症的早期血檢診斷工具。在此之前，醫生只能通過對患者進行行為觀察和言語交流，來判斷抑鬱症和精神分裂症之間的差異，但是這很難進行區別，尤其是在早期。早期階段，這兩種疾病的病狀很相似，情緒失調，心情抑鬱，但是精神分裂症還包括妄想、幻覺和混亂的言語和行為等癥狀。

這項新的血液診斷針對的是一種稱為精氨酸血管加壓素（AVP）的激素，其水平在抑鬱症和精神分裂症的患者中存在差異。這種激素調控人體血管收縮和水瀦留，它受神經系統細胞信號通路NMDA（altered N-methyl-D-aspartate，N-甲基-D-天冬氨酸）調節。

但IBM認為其與阿爾伯塔大學一起進行的研究更有效率，該研究利用人工智慧來診斷疾病的發作。

來自IBM和加拿大艾伯塔大學的研究人員共同研發出一款軟體工具，該軟體能夠通過分析患者大腦的磁共振掃描來診斷患者是否具有精神分裂症，其精確度可以達到74%。而且，該軟體的演算法也能夠合理地估算出每個患者疾病癥狀的糟糕程度。

該團隊使用的是來自功能生物醫學信息學研究網路的數據，該數據包涵大量不同患者的腦部掃描圖像。調查人員從收集的精神病分裂症患者圖像中取出95例掃描圖像，並把這些圖像輸入到深度學習演算法，以發現其之間的相關性，從而掌握對精神病分裂症的了解。然後，他們將演算法用於一系列病人的掃描圖像，這些病人有的是精神分裂症患者，有的則不是，結果證明該軟體能夠發現四分之三的圖像顯示患有該病症。

來自阿爾伯塔大學精神病學和神經科學的教授Serdar Dursun博士說：「我們在大腦中發現了大量的異常連接，這些可以用於未來的研究中，這個基於AI的模型使我們離建立能夠診斷和預測精神分裂症的客觀的基於神經影像的模型更進一步。」

該團隊的研究成果表明全腦鏈路特性在識別患者癥狀的精確性可以達到74%，而且比基於體素的節點度更穩定。鏈路特性能預測惡性和良性癥狀的嚴重程度，包括注意力遲鈍和離奇行為。最有意義、穩定的和區別化的功能連接變化涉及到丘腦和初級運動或初級感覺皮層的相關性，以及楔前葉（BA7）和丘腦、硬膜和Brodmann區域的BA9和BA44之間的相關性。楔前葉與BA6和初級感覺皮層，也參與預測了一些癥狀的嚴重程度。總之，提出的多步驟方法有助於識別更可可靠的多元模式，以便準確預測精神病分裂症及其癥狀的嚴重程度。

大腦區域顯示了精神病分裂症患者和無精神病分裂症患者之間在統計學上的顯著差異。例如，箭頭1識別出大腦的中央前回或運動皮層患有該癥狀，箭頭5標誌涉及處理視覺信息的楔前葉患有該癥狀。