根據該研究團隊的臨床測試表明，該算法對于舍曲林（sertraline）這種常見抗抑郁癥藥物有效性的判斷準確率在76%左右。團隊負責人Amit Etkin成立了Alto Neuroscience公司，將繼續致力于此項技術的研發，希望借此幫助醫生更準確地為精神類疾病患者開具藥方。

一、參考信息少，醫生開藥“老大難”

抗抑郁類藥物并不總是有效，而醫生也無法確定無效的原因。加州斯坦福大學Amit Etkin說：“精神病學有一個核心問題，我們只能根據疾病的最終表現來描述疾病的特征，比如疾病所導致的行為。”

“假如你只告訴我，你很沮喪，那我并不能判斷什么，而且我也不知道你大腦里究竟發生了什么，我們只能憑借很少的信息來給你開藥。” Etkin說。

Etkin希望找到一種機器學習算法，可以從抑郁癥患者的腦部掃描結果中預測抗抑郁癥藥物是否有效。他選擇了舍曲林，這種抗抑郁癥藥物通常僅對三分之一的服用患者有效。

Etkin和他的團隊收集了228名抑郁癥患者的腦電圖（EEG）信息，這些患者從18歲至65歲不等。受試患者以前都曾嘗試過抗抑郁藥物，但不包括舍曲林。

大約一半的受試者服用舍曲林，其余的則服用安慰劑。然后，研究人員在八周的時間內監控受試者的情緒，并使用抑郁等級量表測量其變化。

二、算法可識別特定的大腦活動模式

通過將對藥物反應良好的人的腦電圖記錄與對藥物反應不佳的人的腦電圖記錄進行比較，機器學習算法能夠識別出特定的大腦活動模式，舍曲林對這種具有特定大腦活動模式的患者有效的可能性會更高。

然后，研究人員在另一個279人的小組上測試了該算法。在測試中，有41%的受試者對舍曲林反應良好，而經過算法預測可能對舍曲林反應良好的患者中，有76%是準確的。

Etkin成立了Alto Neuroscience公司來研發這項技術。Etkin表示，他希望為醫生們提供這種“客觀的測試方法”，來幫助他們為患者更加準確而有效地開具藥方，而不是憑借簡單經驗和偶然性。

丹麥哥本哈根審查小組的Christian Gluud說，“這種AI技術可能確實對抑郁癥患者的未來會有一定影響，但是在進入臨床實踐之前，還需要經過其他研究團隊的復制檢驗。”

結語：AI解讀腦圖助力醫學發展

目前無創腦機接口的研究已經進入實體產品落地階段（“用思維代替雙手”成為可能！NextMind首次實現實時腦機交互），而利用機器學習算法對人類腦電圖進行分析和建模也是各路創企探索的方向之一。

從上述案例我們可以看到，AI技術的介入可以將以往根據患者“表象”來判斷病情轉變為根據“數據”來說話，準確性可能有一個質的提升。

不過目前該算法測試的樣本量還較少，我們也期待Etkin團隊可以繼續對其進行優化，爭取早日讓這一技術造福更多抑郁癥患者。

責任編輯：ct