精准医学中的人工智能：预测抗抑郁结果

精准医疗和医疗保健中最有前途的领域之一是使用人工智能机器学习作为辅助临床医生预测患者治疗结果的工具，以进行个性化治疗。阿姆斯特丹药学中心(Amsterdam UMC)和拉德堡德医学中心(Radboudumc)的一项新研究表明，人工智能算法如何利用核磁共振脑部扫描和临床数据，提前八周预测抗抑郁药对抑郁症患者的疗效。

抑郁症，也被称为重度抑郁障碍(MDD)，是一种常见的情绪障碍，根据健康指标与评估全球健康数据交换研究所的数据，全球约有2.8亿人受到抑郁症的影响。根据美国国家心理健康研究所(NIMH)的数据，在美国，重度抑郁症是最常见的精神障碍之一，抗抑郁药物是一种常用的治疗方法。

根据NIMH的说法，抑郁症患者可能需要尝试多种抗抑郁药物才能找到合适的个体，通常需要一到两个月的时间才能使抗抑郁药物起作用。因此，有一种方法可以让临床医生更快地预测患者对抗抑郁药物的反应，可以加快恢复患者健康的道路，并有可能挽救生命。抑郁症患者患身体疾病的风险更大。例如，根据柳叶刀精神病学委员会(The Lancet Psychiatry Commission)的《保护精神病患者身体健康的蓝图》报告显示：抑郁症患者患代谢性疾病和心血管疾病的风险比一般人群高40%。

美国食品和药物管理局(FDA)批准了不同类型的抗抑郁药物，如N-甲基-D-天冬氨酸(NMDA)拮抗剂(艾氯胺酮)、单胺氧化酶抑制剂(MAOIs)、神经活性类固醇γ-氨基丁酸(GABA)-A受体阳性调节剂(brexanolone)、三环和四环抗抑郁药、血清素和去甲肾上腺素再摄取抑制剂(SNRIs)、非典型抗抑郁药(曲唑酮、奈法唑酮)、选择性血清素再摄取抑制剂(SSRIs)。

根据2023年发表在《美国家庭医生》上的《抑郁症药理学治疗》，抑郁症的一线治疗选择包括心理治疗、认知行为治疗、个体治疗、团体治疗和第二代抗抑郁药物，如非典型抗抑郁药、SSRIs、SNRIs和血清素调节剂。

阿姆斯特丹药学中心和拉德堡德医学中心的研究人员将精力集中在一种名为舍曲林的SSRI上，这是一种抗抑郁药，可以增加大脑中调节情绪的激素血清素的数量。舍曲林是一种常用的选择性血清再吸收抑制剂(SSRI)，而左洛复(Zoloft)是其品牌名称。

血清素是一种神经递质，在神经元之间传递信号。SSRI通过阻断神经元对血清素的再吸收，从而增加可利用的血清素，从而改善脑神经细胞之间的信号传递。除了舍曲林，其他SSRI药物包括氟西汀、艾司西酞普兰、西酞普兰、帕罗西汀、沃替西汀和维拉唑酮。

本研究中使用的MRI脑部扫描和临床数据来自229名被诊断为重度抑郁症的患者，这些患者来自先前的一项名为“临床护理中抗抑郁药反应的调节因子和生物特征的建立”(EMBARC)的研究——这是一项由德克萨斯大学(UT)西南医学中心与哥伦比亚大学和马萨诸塞州总医院附属的主要研究人员合作进行的抑郁症临床试验。

在这项新研究中，阿姆斯特丹的研究人员创建了一种人工智能算法来预测舍曲林的效果。研究人员在基线和使用舍曲林和安慰剂治疗一周后进行了评估。阿姆斯特丹联合大学神经放射学教授Liesbeth Reneman是该研究的通讯作者，她的合著者包括Eric (Henricus) Ruhé, Henk-Jan Mutsaerts, Ivan Maximov, Inge Groote, Atle Bjørnerud, Henk Marquering, Matthan Caan, and Maarten Poirot。

研究人员发现，与单峰模型相比，多峰模型的人工智能算法的准确性更高。在人工智能中，多模态模型是将来自不同来源的数据关联起来的深度学习模型。在这种情况下，研究人员将多模态MRI数据与临床数据相结合，灌注成像是关键。

R拉德堡德医学中心精神病学家Ruhé在阿姆斯特丹药学中心的一篇文章中表示，人工智能表明，大脑情绪调节区域(前扣带皮层)血液循环的增加是药物疗效的一个指标。

利用人工智能机器学习、临床数据和核磁共振脑部扫描技术，研究人员创造了一种有用的工具，可以为抑郁症提供精准药物。有了这个概念验证，临床医生可能有办法及时提供更个性化的治疗，为未来的抑郁症患者带来更好的结果。

原文《AI in Precision Medicine: Predicting Antidepressant Outcomes》

by/Cami Rosso