精準醫療中的人工智慧：預測抗抑鬱治療效果

一項新研究表明，人工智慧演算法可以預測抗抑鬱藥物對患者的療效。 人工智慧發現，大腦某一區域血液迴圈的增加是藥物療效的一個指標。 在人工智慧的幫助下，研究人員為抑鬱症的精準醫療創造了一個有用的工具。

抑鬱症又稱重性抑鬱障礙（MDD），是一種常見的情緒障礙，根據美國衛生計量與評估研究所全球健康資料交換中心（Institute of Health Metrics and Evaluation Global Health Data Exchange）的資料，全球約有2.8億人受到抑鬱症的影響。美國國家精神衛生研究所（NIMH）稱，重性抑鬱症是美國最常見的精神障礙之一，抗抑鬱藥物是常用的治療方法。

據NIMH稱，抑鬱症患者罹患身體疾病的風險更大，患代謝性疾病和疾病的風險比普通人高 40%。抑鬱症患者可能需要嘗試多種抗抑鬱藥物才能找到適合自己的藥物，而抗抑鬱藥物通 常需要一到兩個月的時間才能發揮作用。因此，如果臨床醫生能更快地預測病人對抗抑鬱藥物的反應，就能加快恢復病人健康的程序，並有可能挽救病人的生命。

精準醫療和保健領域最有前景的領域之一是利用人工智慧（AI）機器學習作為工具，協助臨床醫生預測患者的治療結果，以實現個性化治療。AI預測抑鬱症治療結果的能力，基於機器學習演算法和大資料分析，正在逐步成為現實。

人工智慧與抑鬱症研究進展

聲學特徵分析：AI技術透過分析患者的聲音特徵，如語速、音量和音調變化，來識別抑鬱症狀。研究表明，這些聲學特徵與抑鬱症患者的情緒狀態和症狀嚴重程度密切相關。

腦電圖（EEG）分析：AI技術應用於腦電圖資料，以識別與抑鬱症相關的腦電活動模式。機器學習方法能夠處理這些資料，為抑鬱症的診斷和治療反應提供預測。

生理生化資訊分析：AI技術結合多模式臨床和生物標誌物資料，如基因表達、神經遞質水平等，構建預測模型，以預測患者的治療反應。

腦影像學分析：利用結構和功能磁共振成像（MRI）資料，AI技術可以識別抑鬱症患者的腦部結構和功能差異，並預測治療結果。

多變數決策支援系統：AI技術將單變數生物標誌物發現轉化為多變數決策支援系統，提高預測的準確性。

抑鬱症預警與干預：AI技術在抑鬱症的早期識別和預警方面顯示出潛力，有助於及時干預，預防不良後果。

治療反應預測：AI技術透過分析患者的臨床資料和生物標誌物，預測患者對特定抗抑鬱治療的反應，從而實現個性化治療。

自殺風險預測：AI技術還被用於預測抑鬱症患者的自殺風險，透過分析電子病歷和其他臨床變數來識別高風險個體。

整合臨床和影像特徵：AI技術結合臨床特徵和神經影像資料，為抑鬱症的分類、治療反應和預後提供準確的預測模型。

抗抑鬱藥物反應預測網路：AI技術發展出專門的網路模型，如抗抑鬱藥物反應預測網路（ARPNet），以預測患者的藥物反應。

新研究概況

阿姆斯特丹UMC和Radboudumc的一項新研究表明，人工智慧演算法可以利用核磁共振腦部掃描和臨床資料，預測抗抑鬱藥對抑鬱症患者的療效，最多可提前8周預測療效。

美國食品和藥物管理局（FDA）批准了不同型別的抗抑鬱藥物，如N-甲基-D-天冬氨酸（NMDA）拮抗劑（艾氯胺酮）、單胺氧化酶抑制劑（MAOIs）、神經活性類固醇γ-氨基丁酸（GABA）-A 受體陽性調節劑（別孕烯醇酮）、 三環類和四環類抗抑鬱藥、5-羥色胺和再攝取抑制劑（SNRIs）、非典型抗抑鬱藥（曲唑酮、奈法唑酮）和選擇性5-羥色胺再攝取抑制劑（SSRIs）。

阿姆斯特丹UMC 和 Radboudumc 的研究人員重點研究了一種名為舍曲林的 SSRI，這種抗抑鬱藥能增加大腦中調節情緒的5-羥色胺的數量。舍曲林是一種常用的選擇性5-羥色胺再攝取抑制劑。

5-羥色胺是一種在神經元之間傳遞訊號的神經遞質。選擇性5-羥色胺再攝取抑制劑透過阻斷神經元對5-羥色胺的再吸收來增加可用的5-羥色胺，從而幫助改善大腦神經細胞之間的訊號傳遞。除舍曲林外，FDA 規定的其他 SSRI 藥物還包括氟西汀、艾司西酞普蘭、西酞普蘭、帕羅西汀、沃替西汀和維拉唑酮。

這項研究中使用的核磁共振腦部掃描和臨床資料來自229名被診斷為重度抑鬱症的患者，這些患者來自一項名為"在臨床護理中建立抗抑鬱反應的調節因子和生物特徵"（EMBARC）的研究--這是一項由德克薩斯大學西南醫學中心牽頭、哥倫比亞大學和馬薩諸塞州總醫院的主要研究人員合作開展的抑鬱症臨床試驗。

在這項新研究中，阿姆斯特丹的研究人員建立了一種人工智慧演算法來預測舍曲林的效果。他們對舍曲林和安慰劑的基線和一週治療後的效果進行了評估。結果發現，多模態模型與單模態模型相比，人工智慧演算法的準確性更高。在人工智慧領域，多模態模型是將不同來源的資料聯絡起來的深度學習模型。在這種情況下，研究人員將多模態核磁共振成像資料與臨床資料相結合，而灌注成像是關鍵。

Radboudumc精神病學家Ruhé在阿姆斯特丹 UMC 的一篇文章中指出，人工智慧表明，大腦情緒調節區域（前扣帶回皮層）血液迴圈的增加是藥物療效的指標。

研究人員利用人工智慧機器學習、臨床資料和核磁共振成像腦部掃描技術，創造了一種有用的工具，為抑鬱症患者提供精準醫療。有了這一概念驗證，臨床醫生可能有辦法及時提供更加個性化的治療，為抑鬱症患者在未來獲得更好的治療效果。

歡迎加入病友群

微信掃碼或長按識別

響應病友多年呼籲，大話精神編輯部在半年前搭建了患者交流群和家屬交流群，半年來，已經有數千病友入群，每個群每天多達數千條資訊分享。

面對青少年的抑鬱、焦慮及輟學等問題，家屬群的父母們分享交流，彼此借鑑經驗，為了孩子一起在努力。

我們非常欣慰能為病友交流提供這樣一個平臺，同時也歡迎更多病友加入我們的大家庭。請長按二維碼掃碼入群。

歡迎轉發推薦，讓更多病友受益

大話精神專業分站《大話雙相》、《大話抑鬱》、《大話焦慮》、《大話少年》上線了，歡迎關注！

——大話精神

——大話精神

——大話雙相

——大話焦慮

——大話抑鬱

——大話少年

參考文獻

Poirot MG, Ruhe HG,et al. Treatment Response Prediction in Major Depressive Disorder Using Multimodal MRI and Clinical Data: Secondary Analysis of a Randomized Clinical Trial. Am J Psychiatry. 2024 Mar 1;181(3):223-233. doi: 10.1176/appi.ajp.20230206.