精神分裂症和双相情感障碍是严重的精神疾病，通常在成年早期显现。虽然存在有效的治疗方法，但准确的诊断却颇具挑战性。研究表明，从疾病发作到确诊往往需要数年时间，这段时间越长，治疗难度越大。来自奥胡斯大学和奥胡斯大学医院——精神病学的研究表明，人工智能可能有助于解决这一难题。
“这是一个临床难题，但我们尝试了一下，研究结果表明我们走在正确的轨道上。”奥胡斯大学临床医学系和中央丹麦地区精神病服务部的教授Søren Dinesen Østergaard说道，他领导了这项研究。
分析电子健康记录数据
该研究基于24,449名接受过其他较轻精神疾病（如焦虑和抑郁）治疗的患者的电子健康记录数据。这些数据用于开发一种机器学习算法，可以预测患者在未来五年内是否会被诊断为精神分裂症或双相情感障碍。
“如果算法显示患者在未来五年内有较高的可能性发展为精神分裂症或双相情感障碍，医护人员可以集中检查与这些疾病相关的症状——这可能会导致更早的确诊和开始针对性治疗。”Søren Dinesen Østergaard解释道。
一个有希望的开端，但尚未成熟
机器学习算法分析了电子健康记录中超过1,000个因素（包括诊断、药物和临床笔记文本）与未来五年内可能被诊断为精神分裂症或双相情感障碍之间的关联。
结果显示，对于每100名被算法标记为高风险的患者，约有13名将在未来五年内被诊断为精神分裂症或双相情感障碍。相反，对于每100名被算法标记为低风险的患者，约有95名在未来五年内不会被诊断为这两种疾病。
“这种准确度可能还不足以让算法的第一版用于临床实践，但我们知道如何改进它。关键似乎是更复杂的分析临床笔记中的文本。”Søren Dinesen Østergaard说。
临床笔记中的特定词汇推动预测
研究人员检查了哪些医疗记录成分最有助于预测精神分裂症和双相情感障碍。结果显而易见。
“对预测贡献最大的十个因素全部来自临床笔记。这些包括描述社交退缩和听觉幻觉等症状的词汇，以及描述入院精神病院的词汇——这些都是严重精神疾病的明确指标。这在临床上是有道理的。”Søren Dinesen Østergaard解释道，他认为可以从临床笔记中提取更多信息。
该研究使用的语言模型相对简单，仅基于单个词汇的相对频率，而不考虑这些词汇出现的上下文。然而，现在已有更先进的语言模型，能够理解整个句子的意义——类似于支持ChatGPT的技术。
“我们乐观地认为，这项技术可以使我们对精神分裂症和双相情感障碍的预测足够精确，以便未来的算法版本可以支持临床实践。这是一个我们将肯定会追求的机会。”Søren Dinesen Østergaard说。
参考文献：
Hansen L, Bernstorff M, Enevoldsen K, et al. Predicting Diagnostic Progression to Schizophrenia or Bipolar Disorder via Machine Learning. JAMA Psychiatry. 发表于2025年2月19日。doi:10.1001/jamapsychiatry.2024.4702
(全文结束)
