AI算法预测抗抑郁药物效果，助力精神疾病治疗

近日，加州斯坦福大学的研究团队开发了一种机器学习算法，可以从人的脑波中预测抗抑郁药物是否有效。该算法有望为精神疾病药物推荐开辟新路径。

研究团队的临床测试显示，该算法对舍曲林（一种常见的抗抑郁药物）的有效性判断准确率约为76%。团队负责人Amit Etkin创立了Alto Neuroscience公司，致力于进一步研发这项技术，期望能帮助医生更准确地为精神疾病患者开具药方。

一、信息有限，医生面临挑战

抗抑郁药物并不总是有效，而医生也难以确定其原因。Amit Etkin指出，精神疾病领域存在一个核心问题：医生只能根据疾病的表现来描述病情，如行为表现。

“如果你仅仅告诉我你感到沮丧，我无法判断什么，因为我不知道你大脑里发生了什么。”Etkin说道。

因此，Etkin希望开发一种机器学习算法，从抑郁症患者的脑电图中预测抗抑郁药物的效果。他选择舍曲林作为研究对象，因为这种药物通常只有三分之一的患者有效。

Etkin和他的团队收集了228名年龄在18到65岁之间的抑郁症患者的脑电图信息。这些患者之前已经尝试过其他抗抑郁药物，但不包括舍曲林。

大约一半的受试者服用舍曲林，另一半则服用安慰剂。在接下来的八周内，研究人员监测受试者的情绪变化，并用抑郁等级量表进行评估。

二、识别特定大脑活动模式

通过对药物反应良好的受试者与反应不佳者的脑电图进行对比，机器学习算法能够识别特定的大脑活动模式。研究表明，具有特定大脑活动模式的患者对舍曲林反应良好的可能性更大。

在另一个279人的测试组中，41%的受试者对舍曲林反应良好，而通过算法预测能够有效反应的患者中，准确率达到了76%。

Etkin成立了Alto Neuroscience公司来继续研发这项技术。他表示，希望为医生提供一种“客观的测试方法”，以帮助他们更准确地开具药物处方，而非依赖简单的经验和猜测。

丹麦哥本哈根的Christian Gluud评论道：“这种AI技术可能会对未来抑郁症患者的治疗产生影响，但在广泛应用于临床实践前，仍需其他研究团队的验证。”

结论：AI解析脑电图推动医学进步

当前，无创脑机接口的研究已进入产品化阶段。利用机器学习算法分析和建模人类脑电图也成为众多初创企业探索的方向。

从上述案例可以看出，AI技术的应用可以将过去根据患者外在表现来判断病情的方式转变为依据数据说话，从而大幅提升诊断的准确性。

尽管目前该算法的样本量较小，但仍期待Etkin团队继续对其进行优化，以便早日让这一技术惠及更多的抑郁症患者。