面向精准精神病学的机器学习
应用统计
2017-05-31 v1
摘要
精神疾病的本质仍是一个难题。传统的疾病分类日益受到质疑，被认为可能错误地反映了精神障碍背后的成因。然而，精神病学家和研究者现在拥有前所未有的机会，可以利用机器学习方法（例如支持向量机、现代神经网络算法、交叉验证程序）从大脑、行为和基因的复杂模式中获益。将这些分析技术与来自联盟和数据库的海量数据相结合，有望推动主要精神疾病基于生物学的重新定义。在未来 10 到 20 年内，就诊患者可被分层为跨越经典诊断界限的不同生物学亚群。在一个为单个患者量身定制循证精神病学的新时代，客观可测量的内表型将允许对早期诊断、治疗选择和剂量调整进行个体化预测，以减轻疾病负担。本入门指南旨在向临床医生和研究者介绍将机器智能引入精神病学实践的机遇与挑战。
引用
@article{arxiv.1705.10553,
title = {Machine learning for precision psychiatry},
author = {Danilo Bzdok and Andreas Meyer-Lindenberg},
journal= {arXiv preprint arXiv:1705.10553},
year = {2017}
}