前沿研究丨人工智能算法在精神疾病中的应用 .pdfVIP

前沿研究丨人工智能算法在精神疾病中的应用

作者：刘光迪，李雨辰，张伟，章乐

来源：ABriefReviewofArtificialIntelligenceApplications

andAlgorithmsforPsychiatric

Disorders[J].Engineering,2020,6(4):462-467.

编者按

精神疾病是脑科学研究的重要部分，目前精神疾病诊断主要依靠

医生的主观经验，而非疾病的病理生理学指标。世界各国开展了大量

脑研究计划，研究精神疾病的病因和发病机制。为开发有效的治疗方

式和干预措施，我们迫切需要对重大精神疾病的病因和致病机制有一

个清晰的认识。

中国工程院院刊《Engineering》刊发《人工智能算法在精神疾病

中的应用简述》一文指出，当前人工智能（AI）技术在精神疾病的应

用研究发展迅速，已广泛用于精神病学的研究和诊断中。文章总结了

磁共振成像（MRI）、脑电图（EEG）和基于体势学的诊断技术的三

种用于研究精神疾病观测技术基于AI的相关应用。接着，讨论了AI算

法中贝叶斯模型、逻辑回归、决策树、深度学习等在精神疾病诊断应

用面临的挑战、机遇和未来的发展方向。

一、引言

1990年和2010年全球疾病负担研究发现，精神障碍和物质滥用

是造成以伤残调整生命年（DALY）衡量的第四大疾病负担的主要原因，

并且是导致全球范围内伤残的主要原因。

为了研究精神疾病的致病因素和发病机制，同时增加对大脑的干

预能力和提高对精神疾病的临床治疗水平，各国开展了大量脑研究计

划。如美国2013年推出的推进创新神经技术脑研究计划（Brain

ResearchthroughAdvancingInnovativeNeuroethology

initiative）、欧盟2013年推出的人类大脑计划（HumanBrain

Project,HBP）、日本2014年启动的脑库网络（BrainBankNetwork）

项目。我国也非常重视该领域的研究，并于2016年发布了“中国脑计

划：脑科学与类脑研究”，该项目涵盖了大脑疾病的神经机制的基础

研究和临床研究。

尽管精神疾病是脑科学研究的一个重要领域，但是大多数精神病

学专家仍然基于主观经验而不是通过病理生理学指标对该疾病进行诊

断。这可能会误诊及无法准确判断治疗路径。因此，我们迫切需要对

重大精神疾病的病因和发病机制有一个清晰的认识，以便为主要的大

脑疾病开发有效的治疗和干预措施。

近年来，基于人工智能（AI）的应用已被迅速用于精神病学研究

和诊断。例如，Jan等提出了一种用于监测抑郁症的AI系统，该系统

可以预测贝克忧郁量表II（BDI-II）中声音和视觉表达分数。另外，

Wen等基于多模态神经影像学提取了多种类型的灰-白质特征，并使用

多核学习分类器为每个特征的核函数分配权重。

然而，目前尚无系统性的综述对AI在精神病学研究和诊断中的应

用情况进行阐述。因此，我们将对该部分内容进行简要阐述，并对如

何使用AI技术去探索精神疾病的生物标志物进行讨论。

二、精神疾病诊断中与AI相关的主要技术

AI技术正被逐步应用于精神疾病诊断。大脑结构和功能是精神疾

病最重要的生物学表型和关键的诊断标志物。因此，使用AI技术可以

获得用以表征不同精神疾病的详细信息，从而对这些疾病进行诊断。

图1描述了精神疾病研究中用于大脑观察的三种主要技术：磁共

振成像（MRI）、脑电图（EEG）和基于体势学的诊断的技术。接下

来，我们将讨论这些技术基于AI的相关应用。

图1精神疾病的主要观察技术

（一）磁共振成像

MRI是用于研究行为和认知神经科学的主要技术，因为该技术可

以探测明显的精神异常，而这些精神异常是计算机断层扫描（CT）技

术所无法检测到的。目前，脑成像常用的AI技术包括多任务/多模式学

习、分类、核心和深度学习方法，这些方法有助于有效分析现有疾病

数据、探索关键生物标志物和提高大脑疾病的临床治疗能力。

尽管许多与AI相关的技术已经被应用到MRI，但