研究探索机器学习对功能性神经系统疾病进行分类

在《学、神经外科和精神病学杂志》上发表的一项研究中，马萨诸塞州总医院功能性神经障碍科创始主任、哈佛医学院学和精神病学副教授、医学博士、医学硕士 David L. Perez 等人调查了结构性脑 MRI 是否有可能成为诊断功能性神经障碍(FND)的临床有用工具。

FND 是学和精神病学交叉领域的一种常见、昂贵且可能致残的疾病，患有 FND 的患者可能会出现异常运动、四肢无力和/或抽搐等身体症状。

研究小组训练了一种机器学习算法，以了解 FND 患者的大脑与健康受试者或患有精神疾病(例如情绪和焦虑症)但没有 FND的参与者的大脑有何不同，然后测试该算法是否可以使用这些信息来预测某人是否患有 FND。

研究结果指出了大脑结构和功能在 FND 生物学基础中的重要性。

此外，该算法在区分 FND 患者方面显示出概念验证潜力，这是研究使用结构性脑 MRI 辅助诊断 FND 的可能性的第一步。

他们试图研究是否可以使用经过结构性脑部 MRI 特征训练的监督机器学习来预测个体是否患有功能性神经系统疾病 (FND)。

提出这个问题的原因是，过去研究 FND 中灰质差异的研究缺乏临床可转化性，因为它们大多依赖于单变量、组级分析，并且报告了不同的发现。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！