一项分析了来自青少年大脑与认知发展（ABCD）研究中超过11,000名青少年参与者的数据发现，睡眠障碍可能是未来精神病理学的最强预测因素。睡眠问题比不良童年经历和家庭心理健康史更具预测性。神经影像数据并未提高预测心理健康风险的能力。该研究结果发表在《自然医学》杂志上。
随着科学和技术在过去一个世纪的迅速发展，医学已经找到了治愈或管理许多曾经致命的疾病的方法。结核病、肺炎、伤寒、麻疹和小儿麻痹症等以前夺去数百万人生命的疾病，现在由于医学和药物的突破变得可以治疗或几乎被根除。
因此，注意力越来越多地转向那些仍然难以治疗的医疗状况。精神健康障碍是这一类别中最突出的。尽管在治疗方面取得了一些进展，但许多人仍然受到慢性精神健康状况的影响，这些状况对当前干预措施的反应有限。
预防已成为一种有前景的策略。在症状变得严重之前识别出高风险个体，可以提供早期支持并减少长期影响。这促使科学家们寻求可靠的方法来预测谁最有可能发展成精神疾病。
在这项新研究中，首席作者Elliot D. Hill和他的同事开发了机器学习模型，以基于心理社会和神经生物学数据预测心理健康风险。
研究人员使用了来自ABCD研究中的超过11,000名参与者的数据，这是一个在美国进行的大规模纵向项目。参与者在评估时年龄在9到15岁之间，大约48%是女性。他们在入组后的一到三年内被跟踪调查。
参与者完成了各种心理社会评估，并进行了磁共振成像（MRI）。研究人员训练了几个机器学习模型，根据收集的数据预测未来的心理风险。
一个基于参与者当前症状训练的模型在预测哪些青少年在未来一年内会进入高风险精神病类别方面非常准确。另一个仅依赖潜在原因（如睡眠问题、家庭动态和逆境）的模型表现略差，但即使没有症状数据，其准确性仍然相当可观。
睡眠障碍作为增加精神病风险的最强预测因素，超过了其他已知因素，如不良童年经历和家庭心理健康史。添加MRI数据并没有提高模型的预测性能。
“这些发现表明，基于现成的心理社会问卷训练的人工智能模型可以有效地预测未来的心理风险，并突出了潜在的干预目标。这是朝着基于人工智能的精神健康筛查和临床决策支持系统迈出的有希望的一步，”研究作者总结道。
这项研究增强了对精神健康风险因素及其如何早期估计的理解。然而，需要注意的是，这些发现是基于统计关联。研究设计不允许得出因果关系的结论。
该论文题为“青少年心理健康风险预测”，由Elliot D. Hill、Pratik Kashyap、Elizabeth Raffanello、Yun Wang、Terrie E. Moffitt、Avshalom Caspi、Matthew Engelhard和Jonathan Posner共同撰写。
(全文结束)
