很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于AI识别精神分裂症的准确性为87％的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对AI识别精神分裂症的准确性为87％这篇文章感兴趣的小伙伴可以一起来看看

阿尔伯塔大学的研究人员已经开辟了一种新的基于AI的软件-具有多重分裂的精神分裂症预测综合算法(EMPaSchiz)-使医生能够在fMRI扫描中以87%的准确度识别精神分裂症。他们的研究发表在NJP精神分裂症上。

首席研究员Sunil Kalmady博士在一份准备好的声明中表示：“精神分裂症的特征是患者可能同时浮现的症状。” “具有相同诊断的两个人可能仍会表现出不同的症状。这通常会导致误诊。在这种情况下，机器学习能够驱动一种基于证据的方法，该方法可以在大脑扫描中查看成千上万个特征，从而得出最佳预测。”

目前，大多数机器学习算法都是基于静止状态fMRI扫描来识别精神分裂症的，而Kalmady的机器学习算法也是如此。

所不同的是，卡尔马迪的AI工具是针对被诊断患有精神分裂症但未用于治疗精神疾病的患者的培训。这将同意 医生在较早阶段治疗精神分裂症。

Kalmady及其同事使用了81名患者的静息状态FMRI数据，这些患者从未接受过任何精神药物治疗，包括抗精神病药。此外，研究人员招募了92位年龄和性别相匹配的健康志愿者，并进行了筛查以排除精神病学诊断。两个队列中的所有受试者均接受了功能磁共振成像。

“据我们所知，EMPaSchiz是第一个被报道的，仅针对来自确诊为精神分裂症的未经药物治疗的患者的数据进行了培训和验证，” Kalmady及其同事写道。“该方法依赖于MRI采集的单一方式，并且可以轻松扩大规模，而无需从传入的训练图像中重建碎片图。”

在功能磁共振成像之后，研究人员实施了EMPaSchiz，该模型根据区域活动和功能连通性的特征堆叠了来自“单源”模型的预测。总体而言，机器学习算法的准确率达87%。

Kalmady及其同事指出，他们的AI工具优于以前的机器学习模型，后者仅显示74%的准确性。

另一项研究表明，机器学习可通过MRI扫描确定患者是否患有精神分裂症，准确率达78%。

Kalmady等人说：“这里报道的工作可能表明朝着生物学上更明智的诊断迈出了有益的一步，因为它涉及开辟基于客观神经生物学特征来预测当前精神病诊断的算法。” 写道。“这种方法还可以为我们提供评估临床诊断有效性的框架。”

研究人员希翼他们的结果也能转化为其他精神病，并用于预测治疗反应。