根據(jù)該研究團隊的臨床測試表明，該算法對于舍曲林(sertraline)這種常見抗抑郁癥藥物有效性的判斷準(zhǔn)確率在76%左右。團隊負責(zé)人Amit Etkin成立了Alto Neuroscience公司，將繼續(xù)致力于此項技術(shù)的研發(fā)，希望借此幫助醫(yī)生更準(zhǔn)確地為精神類疾病患者開具藥方。

一、參考信息少，醫(yī)生開藥“老大難”

抗抑郁類藥物并不總是有效，而醫(yī)生也無法確定無效的原因。加州斯坦福大學(xué)Amit Etkin說：“精神病學(xué)有一個核心問題，我們只能根據(jù)疾病的最終表現(xiàn)來描述疾病的特征，比如疾病所導(dǎo)致的行為。”

“假如你只告訴我，你很沮喪，那我并不能判斷什么，而且我也不知道你大腦里究竟發(fā)生了什么，我們只能憑借很少的信息來給你開藥?！?Etkin說。

Etkin希望找到一種機器學(xué)習(xí)算法，可以從抑郁癥患者的腦部掃描結(jié)果中預(yù)測抗抑郁癥藥物是否有效。他選擇了舍曲林，這種抗抑郁癥藥物通常僅對三分之一的服用患者有效。

Etkin和他的團隊收集了228名抑郁癥患者的腦電圖(EEG)信息，這些患者從18歲至65歲不等。受試患者以前都曾嘗試過抗抑郁藥物，但不包括舍曲林。

大約一半的受試者服用舍曲林，其余的則服用安慰劑。然后，研究人員在八周的時間內(nèi)監(jiān)控受試者的情緒，并使用抑郁等級量表測量其變化。

二、算法可識別特定的大腦活動模式

通過將對藥物反應(yīng)良好的人的腦電圖記錄與對藥物反應(yīng)不佳的人的腦電圖記錄進行比較，機器學(xué)習(xí)算法能夠識別出特定的大腦活動模式，舍曲林對這種具有特定大腦活動模式的患者有效的可能性會更高。

然后，研究人員在另一個279人的小組上測試了該算法。在測試中，有41%的受試者對舍曲林反應(yīng)良好，而經(jīng)過算法預(yù)測可能對舍曲林反應(yīng)良好的患者中，有76%是準(zhǔn)確的。

Etkin成立了Alto Neuroscience公司來研發(fā)這項技術(shù)。Etkin表示，他希望為醫(yī)生們提供這種“客觀的測試方法”，來幫助他們?yōu)榛颊吒訙?zhǔn)確而有效地開具藥方，而不是憑借簡單經(jīng)驗和偶然性。

丹麥哥本哈根審查小組的Christian Gluud說，“這種AI技術(shù)可能確實對抑郁癥患者的未來會有一定影響，但是在進入臨床實踐之前，還需要經(jīng)過其他研究團隊的復(fù)制檢驗。”

結(jié)語：AI解讀腦圖助力醫(yī)學(xué)發(fā)展

目前無創(chuàng)腦機接口的研究已經(jīng)進入實體產(chǎn)品落地階段(“用思維代替雙手”成為可能！NextMind首次實現(xiàn)實時腦機交互)，而利用機器學(xué)習(xí)算法對人類腦電圖進行分析和建模也是各路創(chuàng)企探索的方向之一。

從上述案例我們可以看到，AI技術(shù)的介入可以將以往根據(jù)患者“表象”來判斷病情轉(zhuǎn)變?yōu)楦鶕?jù)“數(shù)據(jù)”來說話，準(zhǔn)確性可能有一個質(zhì)的提升。

不過目前該算法測試的樣本量還較少，我們也期待Etkin團隊可以繼續(xù)對其進行優(yōu)化，爭取早日讓這一技術(shù)造福更多抑郁癥患者。