迷幻药物叙事报告的定量分析

背景：迷幻药物能引发意识的深刻变化，并有可能为理解人类心理过程的本质及其与大脑生理学的关系提供洞见。然而，已发表的科学文献对这些药物效应的理解非常有限，尤其是对于较新的合成化合物。临床试验的数量和正式研究的药物范围，远不及人们所服用多种药物的书面描述数量。利用机器学习技术对这些描述进行分析，可以为了解这些药物使用体验提供框架。方法：我们从药物信息网站Erowid.org收集了10种药物的1000份报告，并构建了词项-文档频率矩阵。通过变量选择和随机森林分类器，我们识别出一组区分不同药物的词汇。结果：使用110个预测变量子集的随机森林分类准确率与使用全部3934个预测变量的随机森林相当。我们的估计准确率为51.1%，远高于随机预期的10%。MDMA报告的准确率最高，达86.9%；描述DPT的报告准确率最低，为20.1%。层次聚类显示某些药物之间存在相似性，例如DMT和Salvia divinorum。结论：机器学习技术能够揭示不同药物类别体验描述中的一致性。这可能有助于为新型和特征不明确的药物的药理学和毒性提出假设。