Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Combinando l'apprendimento automatico con gli strumenti della rappresentazione di cervello può ridefinire lo standard per la diagnostica delle malattie mentali

La maggior parte di medicina moderna ha le prove fisiche o tecniche obiettive per definire molto di che cosa ci indispone.

Tuttavia, non ci ne sono corrente sangue o prova genetica, o procedura imparziale che può definitivo diagnosticare una malattia mentale e certamente distinguere fra i disordini psichiatrici differenti con i simili sintomi.

Gli esperti all'università di Tokyo stanno combinando l'apprendimento automatico con gli strumenti della rappresentazione di cervello per ridefinire lo standard per la diagnostica delle malattie mentali.

“Gli psichiatri, compreso me, parlano spesso dei sintomi e comportamenti con i pazienti ed i loro insegnanti, amici e genitori.„

“Incontriamo soltanto i pazienti nell'ospedale o nella clinica, non fuori nelle loro vite quotidiane. Dobbiamo fare le conclusioni mediche facendo uso di informazioni soggettive e di seconda mano,„ abbiamo spiegato il Dott. Shinsuke Koike, M.D., Ph.D., un professore associato all'università di Tokyo e un autore senior dello studio recentemente pubblicato in psichiatria di traduzione.

“Franco, abbiamo bisogno delle misure obiettive,„ ha detto Koike.

Sfida dei sintomi di sovrapposizione

Altri ricercatori hanno progettato gli algoritmi di apprendimento automatico per distinguere fra quelli con uno stato di salute mentale e nonpatients che si offrono volontariamente come “gestisce„ per tali esperimenti.

“È facile da dire chi è un paziente e chi è un controllo, ma non è così facile da dire la differenza fra i tipi differenti di pazienti,„ ha detto Koike.

Il gruppo di ricerca di UTokyo dice che loro è il primo studio da differenziarsi fra le diagnosi psichiatriche multiple, compreso disordine di spettro di autismo e la schizofrenia.

Sebbene rappresentato molto diversamente nella cultura popolare, gli scienziati lungamente abbiano sospettato che l'autismo e la schizofrenia sono collegati in qualche modo.

I pazienti di disordine di spettro di autismo hanno un elevato rischio 10 volte della schizofrenia che la popolazione in genere. Il supporto sociale è necessario per autismo, ma la psicosi della schizofrenia richiede generalmente il farmaco, così distinguente fra le due circostanze o sapere quando co-accadono è molto importante,„

Shinsuke Koike, MD., PhD., studia l'autore senior ed il professore associato, università di Tokyo

Il computer converte le immagini del cervello in mondo dei numeri

Un gruppo pluridisciplinare degli esperti in apprendimento automatico e medici ha preparato il loro algoritmo facendo uso delle scansioni di cervello di MRI (imaging a risonanza magnetica) di 206 adulti giapponesi, una combinazione del computer di pazienti già diagnosticati con disordine o la schizofrenia di spettro di autismo, di persone considerate ad alto rischio per la schizofrenia e di coloro che ha avvertito la loro prima istanza di psicosi come pure la gente neurotypical senza la salute mentale interessa.

Tutti volontari con autismo erano uomini, ma c'era un numero approssimativamente uguale dei volontari della femmina e del maschio negli altri gruppi.

L'apprendimento automatico usa le statistiche per trovare i reticoli in un gran numero di dati. Questi programmi trovano le similarità all'interno dei gruppi e le differenze fra i gruppi che accadono troppo spesso per essere allontanati facilmente come coincidenza.

Questo studio ha usato sei algoritmi differenti per distinguere fra le risonanze magnetiche differenti dei gruppi pazienti.

L'algoritmo utilizzato in questo studio ha imparato associare le diagnosi psichiatriche differenti con le variazioni nello spessore, nell'area o nel volume di aree del cervello nelle risonanze magnetiche. Ancora non è conosciuto perché tutta la differenza fisica nel cervello è trovata spesso con uno stato di salute mentale specifico.

Estensione della riga sottile fra le diagnosi

Dopo il periodo di addestramento, l'algoritmo è stato provato con le scansioni di cervello da 43 pazienti supplementari.

La diagnosi del commputer ha abbinato le valutazioni degli psichiatri con l'alta affidabilità e fino a 85 per cento di accuratezza.

D'importanza, l'algoritmo di apprendimento automatico ha potuto distinguere fra i nonpatients, i pazienti con disordine di spettro di autismo ed i pazienti con la schizofrenia o i fattori di rischio della schizofrenia.

Forma di guida dei commputer il futuro di psichiatria

Il gruppo di ricerca nota che il successo di distinzione fra i cervelli dei nonpatients e le persone a rischio della schizofrenia può rivelare che le differenze fisiche nel cervello che causano la schizofrenia sono presenti anche prima che i sintomi sorgano col passare del tempo e poi rimangono coerenti.

Il gruppo di ricerca egualmente ha notato che lo spessore della corteccia cerebrale, i 1,5 - 5 centimetri principali del cervello, era la funzionalità più utile per correttamente la distinzione fra le persone con disordine di spettro di autismo, la schizofrenia e le persone tipiche.

Ciò disfa un aspetto importante dello spessore di ruolo dei giochi della corteccia nella distinzione fra i disordini psichiatrici differenti e può dirigere gli studi futuri capire le cause della malattia mentale.

Sebbene il gruppo di ricerca prepari il loro algoritmo di apprendimento automatico facendo uso delle scansioni di cervello da circa 200 persone, tutti dati sono stati raccolti fra 2010 - 2013 su un MRI a macchina, che ha assicurato che le immagini fossero coerenti.

“Se catturate una foto con un telefono della macchina fotografica di androide o di iPhone, le immagini saranno leggermente differenti. I commputer di MRI sono egualmente come questo - ogni MRI cattura le immagini leggermente differenti, in modo da quando progettano i nuovi protocolli di apprendimento automatico gradisca nostri, utilizziamo lo stesso commputer di MRI e l'esatto la stessa procedura di MRI,„ ha detto Koike.

Ora che il loro algoritmo di apprendimento automatico ha provato il suo valore, i ricercatori pianificazione cominciare a usando i più grandi gruppi di dati ed eventualmente coordinare gli studi multicentri per preparare il programma per lavorare indipendentemente dalle differenze di MRI.

Source:
Journal reference:

Yassin, W., et al. (2020) Machine learning classification using neuroimaging data in schizophrenia, autism, ultra-high risk and first episode psychosis. Translational Psychiatry. doi.org/10.1038/s41398-020-00965-5.