杜克大学的研究人员开发了一种人工智能（AI）模型，该模型能够在症状变得严重之前准确预测青少年未来严重精神健康问题的高风险。
与主要依赖现有症状的先前模型不同，该AI模型识别了潜在的原因，例如睡眠障碍和家庭冲突，这些原因可以用于开具干预措施。这一能力可以大大扩展心理健康服务的可及性，通过初级保健提供者进行评估和护理。
“美国正面临一场青少年心理健康危机——近一半的青少年将经历某种形式的精神疾病，”杜克大学精神病学和行为科学系教授、《自然医学》上发表的一项研究的资深作者乔纳森·波斯纳博士说。
“尽管存在这场危机，但美国严重缺乏心理健康服务提供者，”波斯纳说。“我们的AI模型可以在初级保健环境中使用，使儿科医生和其他提供者立即知道他们面前的孩子是否处于高风险状态，并在症状恶化之前进行干预。”
波斯纳及其同事——包括杜克大学生物统计学和生物信息学系的数据科学家埃利奥特·希尔和马修·恩格尔哈德博士——利用正在进行的ABCD研究中的数据，分析了与精神疾病相关的心理社会和神经生物学因素。该研究对超过11,000名儿童进行了为期五年的心理社会和大脑发育评估。
研究人员使用人工智能构建了一个神经网络——一种模仿大脑连接的AI模型——来预测哪些儿童将在一年内从较低的心理健康风险转变为较高风险。该模型随后被用来评分一份问卷，该问卷根据患者或家长对当前行为、感受和症状的回答，预测病情恶化的可能性。
该模型在识别研究中在未来一年内病情恶化的患者方面的准确率为84%。
重要的是，杜克大学的研究人员分析了另一种模型，该模型能够识别可能导致或触发精神疾病恶化的潜在机制。新模型系统的准确率为75%，其识别潜在原因的能力使其能够独特地提醒医生和家庭采取可能的干预措施。
希尔说：“确定一个具有相当高的精神疾病症状负担的儿童在一年后会生病是一个相对容易的任务，而确定一个儿童具有所有这些导致精神疾病的潜在风险因素并会生病则要困难得多。利用这些信息设计干预措施非常重要。”
导致病情恶化的最常见潜在原因之一是睡眠障碍、问题行为、不良事件、家族精神健康史和家庭冲突；其中，睡眠障碍是最有力的未来精神疾病预测因素。
恩格尔哈德说：“需要注意的是，该模型并不证明是儿童的睡眠障碍导致了高风险，但它确实表明这是少数几个似乎与高风险相关且可改变的因素之一。”
作者表示，该模型展示了一种方法，可以通过简单的问卷调查工具，让初级保健从业者能够评估儿童的心理健康风险，从而覆盖更广泛的年轻患者群体。
波斯纳说：“初级保健医生通常没有时间进行详细的精神病评估，因此很难识别出需要早期干预的儿童。这个AI模型可以自动化这一过程，实时分析数据，并向医生提供一个简单的输出，指示孩子的风险水平。”
(全文结束)
