犯罪心理第二季13,记者了解到,AI的发展将帮助医学界更深入地理解精神疾病的机制,为新的治疗方法提供理论基础;通过AI技术,医学界将实现对大脑健康轨迹的长期追踪,从而更好地预防和管理精神健康问题;此外,个性化治疗方案的制定将更加智能化。
由《科学》(Science)杂志、上海市精神卫生中心(国家精神疾病医学中心)等联合主办的"人工智能与精神健康"研讨会当日在上海举行。近400位科学家、临床医生、产业界精英参会,共同探讨人工智能在精神健康领域的应用与未来发展。主办方表示,期待吸引各方人才,特别是AI人才加入,用人工智能技术,更好地让中国人更幸福。上海市精神卫生中心院长、国家精神疾病医学中心主任赵敏教授说:"人工智能与精神疾病诊疗的结合正是解决心理健康问题的一个良方。我们期待与全球科学家进行深度交流,共同推动这一领域的发展。"
赵敏教授展示了AI在精神健康诊疗中的多种临床应用,这些应用正推动精神健康服务向智能化、个性化方向发展。AI辅助诊断系统能够通过分析MRI扫描结果,准确识别重度精神疾病患者;利用虚拟现实和AI技术创建沉浸式治疗环境,显著改善了恐高症等精神疾病患者的症状。据透露,专家们正在开发基于AI的心理治疗机器人,通过分析面部表情来辅助焦虑症的筛查和诊断。
据悉,德国耶拿大学医院转化精神病学特聘教授Nils Opel的研究团队开发了创新远程监测应用程序,通过收集患者的行为和语音数据来评估其心理健康状况。他领导建立的大规模数字队列研究DigiHero,正在监测德国人口的心理健康状况。这些技术在临床实践中显示出巨大潜力,可用于患者的细分和进一步个性化治疗。
美国耶鲁大学精神病学系副教授Philip Corlett分享了如何将计算精神病学引入临床诊疗的实践。他的团队开发了一种"条件性幻觉"模型,利用AI和机器学习技术来研究幻觉的形成机制。此外,他们还应用分层高斯滤波器模型,发现偏执症患者倾向于将世界视为更加不稳定的形态。Philip Corlett认为:“计算模型能帮助我们更好地理解精神疾病的机制。”
澳大利亚纽卡斯尔大学神经科学与精神病学教授Michael Breakspear介绍,他尝试用模型模拟人类精神世界。在他看来,人类是一种活跃的主体,动态地嵌入自身构建的人际、社会、文化和历史体系中;而深度神经网络是其核心,是执行随机插值的静态矩阵。这位澳大利亚学者围绕人工智能解码面部表情、大语言模型模拟生成自然和疾病下的言语等多个方面,讨论了如何使用大脑的生成式模型来优化AI在精神健康领域的应用。
据悉,英国剑桥大学计算认知神经科学教授Zoe Kourtzi主持开发了一种用于早期预测和诊断痴呆症(慢性获得性进行性智能障碍综合征)的AI工具。它能够在症状出现前10年-15年就识别出潜在的痴呆症患者,准确率高达91%。据介绍,在实际应用中,这一AI工具比传统临床诊断方法更精确地预测了轻度认知障碍患者转变为阿尔茨海默病的可能性,其准确度提高了3倍。她提出,未来有可能用AI更广泛地追踪大脑的健康轨迹。
上海市精神卫生中心陈剑华教授介绍了一项名为"灵溪"的项目。该项目基于精神疾病是“唯一可以靠对话诊疗的疾病”这个特点,建设真实、高质量的抑郁焦虑患者与医生的问诊对话集,提供给AI大语言模型进行训练。项目已通过伦理审批犯罪心理第二季13,采集了5000多例对话,时长1000个小时,且数量正在持续增加。项目计划在严格合规的前提下向研究者和AI团队开放合作。
" />研究季节性流感的全球传播模式,对于制定流感防控措施具有重要科学意义。2024年11月8日,复旦大学公共卫生学院余宏杰教授团队关于季节性流感的全球时空传播动态及驱动机制的最新研究成果,以“COVID-19 pandemic interventions reshaped the global dispersal of seasonal influenza viruses”为题,在《科学》(Science)杂志上发表。
面对国际科学难题,余宏杰团队首先从疾病自然史出发,突破对疫情发生规律的已有认知,解析个体和群体的疾病负担犯罪心理第二季13,最后确定其特异的传播网络和演化机制。通过前期的深入研究和积累,余宏杰察觉到,COVID-19大流行给所有呼吸道传染病研究带来了“机会”:尽管感染不同呼吸道传染病病原体诱导的特异性免疫不同,但COVID-19大流行期间所采取的非药物性干预措施对其传播的阻断作用是共通的。
余宏杰重点思考这些问题:COVID-19大流行是否会影响季节性流感的全球传播和进化动态?可否重塑季节性流感全球传播和进化的格局?季节性流感何时恢复至大流行前的水平?余宏杰带领团队抽丝剥茧、层层深入开展研究。余宏杰的博士研究生陈志元从描述大流行期间全球季节性流感病毒的活动强度入手,不出意外地发现其整体活动水平显著降低,并且B/Yamagata谱系自2020年3月后似乎“销声匿迹”,但伴随全球针对COVID-19非药物性干预措施的逐步解除,流感病毒的活动水平又逐渐开始恢复。
研究聚焦在重建四个时期“大流行前期(2017年1月-2020年3月)、大流行期的急性阶段(2020年4月-2021年3月)、大流行期的转变阶段(2021年4月-2023年4月)和大流行后期(2023年5月-2024年3月)”的全球季节性流感传播动态。余宏杰表示,团队整合全球流感流行病学监测数据、基因序列数据和人群航空流量数据,将全球分成了12个区域,在贝叶斯系统动力学的框架下重构了四个时期的季节性流感传播模式,并估计了传播的相关参数和潜在驱动因素。
研究结果发现,季节性流感的活动水平和区域间航空流量均经历了“下降后恢复”的过程。区域间航空流量往往代表着长距离的人群移动情况。在时间异质性的系统动力学模型框架下进一步结合基因序列数据,团队发现,区域间航空流量是四个时期全球季节性流感传播的主要驱动因素。通过估计地理进化树中的主干区域,发现大流行期间,南亚和西亚分别是维持A型流感和B/Victoria循环的关键区域。
本研究识别了全球季节性流感的流行特征和传播关键区域,明确了针对COVID-19的非药物性干预措施对区域流感病毒进化/循环独立性的影响,以及大流行后流感传播模式的稳健恢复以及新型流感毒株起源地的不确定性,强调了加强呼吸道病原体的病毒学和基因监测、及时调整疫苗接种策略和监测方向的重要性。研究结果对未来大流行的综合应对提供了实证依据,将加深大流行情境下对季节性呼吸道病原体传播和进化的理解。
复旦大学公共卫生学院2022级博士生陈志元是此文章的独立第一作者。复旦大学公共卫生学院教授、上海市重大传染病和生物安全研究院与复旦大学附属华山医院感染病科双聘PI余宏杰与牛津大学Moritz Kraemer教授、比利时鲁汶大学Philippe Lemey教授、皇家兽医学院Oliver Pybus教授为共同通讯作者。