根据宾夕法尼亚州立大学研究人员在《焦虑障碍杂志》上发表的一项研究，人工智能（AI）模型可以帮助医生识别出能够预测长期恢复情况的指标，并更好地定制患者的治疗方案。
广泛性焦虑障碍（GAD）是一种以持续至少六个月的过度担忧为特征的疾病。即使经过治疗，患有GAD的人也有很高的复发率。
研究人员使用一种称为机器学习的人工智能技术，分析了126名匿名GAD患者的80多个基线参数。这些因素包括心理、社会人口统计学、健康和生活方式变量。
这些信息来源于美国国立卫生研究院进行的“美国中年人纵向研究”。该项目收集了1995年至1996年首次调查的年龄在25至74岁之间的大陆美国居民的健康数据。
九年之后，机器学习模型发现了11个对预测恢复和未恢复最为重要的特征，准确率达到72%。
“先前的研究表明，GAD有非常高的复发率，而临床医生在预测长期结果方面的准确性也有限。这项研究表明，机器学习模型在预测谁会和谁不会从GAD中恢复方面表现出良好的准确性、敏感性和特异性。这些恢复的预测因子对于帮助创建基于证据的个性化长期治疗方案非常重要。”
——宾夕法尼亚州立大学博士生、该研究的主要作者Candice Basterfield
基线变量通过两种机器学习模型进行处理：一种是线性回归模型，它检查两个变量之间的关系并沿着几乎直线绘制数据点；另一种是非线性模型，它像树一样分支并添加新的树，同时绘制其如何纠正之前的错误。
这些模型揭示了在九年内预测恢复或未恢复的11个重要变量，其中线性模型优于非线性模型。模型还确定了每个变量在预测恢复结果中的相对重要性。
研究人员发现，较高的教育水平、较老的年龄、更多的朋友支持、更高的腰臀比以及更高的积极情绪（感觉更愉快）是恢复的最相关因素，按此顺序排列。与此同时，低情绪、日常歧视、过去12个月内更多次的心理健康专业人员会诊以及过去12个月内更多次的医疗访问是未恢复的最重要预测因素。
研究人员通过将机器学习预测与MIDUS数据进行比较来验证模型结果，发现预期的恢复特征与九年后没有GAD症状的95人相符。
作者指出，这些发现表明，临床医生可以利用AI来发现这些特征，并为GAD患者定制治疗方案，特别是那些有多重诊断的患者。
宾夕法尼亚州立大学心理学教授Michelle Newman表示，大约50%到60%的GAD患者同时患有共病抑郁症。她指出，个性化治疗可以同时解决抑郁和焦虑问题。
“机器学习不仅关注个体预测因素，还帮助我们理解这些预测因素的权重——它们对恢复或未恢复的重要性——以及这些预测因素之间的相互作用，这是人类可能无法预测的。”
——宾夕法尼亚州立大学教授、该研究的资深作者Michelle Newman
研究人员指出，由于GAD是一种慢性疾病，症状时有时无，因此该研究无法确定GAD在这九年间的确切持续时间。然而，他们表示，这项工作为更个性化的治疗奠定了基础。
Newman补充说：“这项工作帮助我们开始理解更多可以为特定个体量身定制治疗的方法。”
这项研究由美国国立卫生研究院通过国家心理健康研究所资助。
(全文结束)
