机器学习模型预测 PTSD 症状随时间的严重程度

快速阅读: 据《耶鲁新闻》称，耶鲁大学研究人员使用脑成像和机器学习构建模型，可预测创伤后应激障碍（PTSD）患者短期内和长期内的症状严重程度。该模型通过分析全脑功能连接模式，识别出不同阶段的关键大脑网络和症状类型，有助于深入了解PTSD的大脑机制并指导未来治疗。研究成果发表在《JAMA网络开放》杂志上。

创伤后应激障碍（PTSD）的症状严重程度在创伤发生后的第一年内因人而异，且难以预测某人是否会恶化、改善或恢复。在一项新研究中，耶鲁大学的研究人员使用脑成像和机器学习构建模型，能够预测经历过创伤事件的人在短期和长期内的PTSD症状严重程度。研究人员表示，这些发现有助于更深入地了解PTSD及其大脑机制，并可能为未来的治疗提供新的方向。该研究于3月10日发表在《JAMA网络开放》杂志上。

尽管关于PTSD的神经基础研究大多集中在大脑的特定区域，但研究人员越来越发现他们需要扩大视野。“谈到PTSD时，研究人员通常会研究被称为大脑恐惧中心的杏仁核以及与记忆过程相关的海马体，”耶鲁大学医学院（YSM）博士后研究员兹夫·本·齐翁说，他与YSM的博士生亚历山大·西蒙共同领导了这项新研究。“但随着研究的深入，我们逐渐认识到，在精神疾病中，大脑网络的变化不仅仅局限于孤立的区域。”

为了从更全面的角度出发，本·齐翁和他的团队使用功能性磁共振成像（fMRI）来分析全脑的功能连接模式。在研究中，他们特别关注那些因经历创伤事件（如车祸、袭击或抢劫）而被送往普通医院急诊科的成年人。162名参与者在创伤发生一个月后接受了fMRI扫描；这些扫描是在个体休息时进行的，并在完成评估情绪反应性和风险及奖励敏感性的任务时进行。参与者还在创伤发生后一个月、六个月和十四个月时接受了PTSD严重程度的临床评估。

通过分析患者的脑部功能图像和临床评估数据，研究人员发现该模型能够预测创伤后一个月和十四个月时个体的PTSD症状严重程度。然而，模型在六个月的时间点上的预测能力较弱，研究人员指出，这可能是因为病情尚未稳定，个体间症状仍存在较大差异。该模型还确定了每个时间点的关键大脑网络以及最能预测的症状类型。例如，创伤后一个月，模型准确预测了回避和情绪及认知负面变化的症状，而在创伤后十四个月，它更好地预测了侵入性和过度警觉性症状。

“这项研究的初衷是探索我们能否在早期识别出大脑中的某些特征，从而帮助我们预测哪些人会随着时间发展出更严重的症状，哪些人会恢复，”本·齐翁说。“我们的发现表明，早期的大脑连接可以预测症状的发展趋势，这对于PTSD的诊断和预测，甚至希望对治疗都具有重要意义。”

本·齐翁在伊法特·列维教授和伊兰·哈帕兹-罗滕教授的实验室工作，两人都是YSM的教授。哈帕兹-罗滕与YSM放射学和生物医学成像副教授达斯汀·谢因斯特共同担任该研究的联合高级作者。

尽管模型识别出的一些大脑网络与之前关于PTSD的研究结果一致，但视觉和运动感觉网络则有些出乎意料，研究人员推测它们可能与PTSD的一个已知症状——闪回——相关。这些发现还突显了PTSD随时间变化的特点。创伤后一个月表现突出的大脑网络和症状类型与十四个月时的情况有所不同。总体而言，这些发现有助于更好地理解和管理PTSD。

“如果创伤后一个月的大脑连接能够为我们提供一些关于谁可能会发展出更严重症状的信息，这将有助于我们建立更客观的诊断标准，”本·齐翁说。“虽然还需要进一步的研究，但未来或许可以通过针对性干预PTSD涉及的大脑网络来实现治疗。”

(以上内容均由Ai生成)