基于精神影像和人工智能的抑郁症客观生物学标志物研究进展
抑郁症是当今社会上造成首要危害且病因和病理机制最为复杂的精神疾病之一,寻找抑郁症的客观生物学标志物一直是精神医学研究和临床实践的重点和难点,而结合人工智能技术的磁共振影像(magnetic resonance imaging,MRI)技术被认为是目前抑郁症等精神疾病中最有可能率先取得突破进展的客观生物学标志物.然而,当前基于精神影像学的潜在抑郁症客观生物学标志物还未得到一致结论.本文从精神影像学和以机器学习(machine learning,ML)与深度学习(deepleaming,DL)等为代表的人工智能技术相结合的角度,首次从疾病诊断、预防和治疗等三大临床实践环节对抑郁症辅助诊疗的相关研究进行归纳分析,我们发现:a.具有诊断价值的脑区主要集中在楔前叶、扣带回、顶下缘角回、脑岛、丘脑以及海马等;b.具有预防价值的脑区主要集中在楔前叶、中央后回、背外侧前额叶、眶额叶、颞中回等;c.具有预测治疗反应价值的脑区主要集中在楔前叶、扣带回、顶下缘角回、额中回、枕中回、枕下回、舌回等.未来的研究可以通过多中心协作和数据变换提高样本量,同时将多元化的非影像学数据应用于数据挖掘,这将有利于提高人工智能模型的辅助分类能力,为探寻抑郁症的精神影像学客观生物学标志物及其临床应用提供科学证据和参考依据.
抑郁症、脑成像、精神影像学、人工智能、机器学习、深度学习、生物学标志物
46
B84;B845.1;R74(心理学)
国家自然科学基金;四川省科技厅应用基础研究项目;四川省卫生和计划生育委员会普及应用项目;四川省卫生和计划生育委员会普及应用项目;中国博士后科学基金;成都医学院四川应用心理学研究中心重点项目
2019-11-08（万方平台首次上网日期，不代表论文的发表时间）
共21页
879-899
