|
wanews
| 未知
目前为止,精神疾病的诊断大部分还是基于临床观察和症状及治疗反应的统计分析;近年来,随着评估和计算分析的进步,开始开发更强大的工具,这给精神疾病的未来带来了希望。
Grisanzio和他的同事(2018年)研究了497名不同背景人群的成年人,其中包括248名患有严重抑郁症、PTSD和惊恐障碍的患者,以及249名没有精神疾病诊断的人。研究人员首先使用“主成分分析”分析数据,以确定主要临床测量的趋势,然后使用机器学习方法进行“无监督”分析,这种方法不需要人工输入,而是独立地识别数据中存在的重要集群。
在基础分析(主成分分析)中,研究者发现3个因素占临床数据的大多数(71.2%):快感缺失、焦虑唤醒和紧张。而无监督机器学习分析又得出了6个独立的集群。这6个类群与传统的精神病学诊断具有一定的关联,下图显示了集群与我们目前使用的诊断重叠的地方: |
|