摘要：广泛性焦虑症（GAD）是一种以每天过度担忧为特征的疾病，持续时间至少六个月，即使接受了治疗，其复发率也很高。宾夕法尼亚州立大学的研究人员表示，人工智能（AI）模型可以帮助临床医生确定预测长期康复的因素，并更好地对患者进行个性化治疗。

国际快递 · 清关 · 代拍

海外古董 · 艺术品 · 名画 · 名表

【FuninUSA.NET综合报道】广泛性焦虑症（GAD）是一种以每天过度担忧为特征的疾病，持续时间至少六个月，即使接受了治疗，其复发率也很高。宾夕法尼亚州立大学的研究人员表示，人工智能（AI）模型可以帮助临床医生确定预测长期康复的因素，并更好地对患者进行个性化治疗。

研究人员使用了一种名为机器学习的人工智能形式，分析了126名匿名确诊为GAD患者的80多个基线因素--从心理、社会人口到健康和生活方式变量。这些数据来自美国国立卫生研究院（U.S. National Institutes of Health）的一项名为 “美国中年”（Midlife in the United States）的纵向研究。机器学习模型确定了 11 个变量，这些变量似乎对预测九年期结束时的痊愈和未痊愈最为重要，准确率高达 72%。研究人员将他们的研究结果发表在 3 月份的《焦虑症杂志》（Journal of Anxiety Disorders）上。

研究的主要作者、宾夕法尼亚州立大学博士候选人 Candice Basterfield 说：先前的研究表明，GAD 的复发率非常高，而且临床医生在预测长期结果时判断的准确性也很有限。这项研究表明，机器学习模型在预测哪些人将从 GAD 中康复，哪些人不会康复方面显示出良好的准确性、灵敏度和特异性。这些康复预测因素对于帮助创建基于证据的、个性化的长期康复治疗方法确实非常重要。

研究人员通过两种机器学习模型对基线变量进行了分析：一种是线性回归模型，该模型研究两个变量之间的关系，并沿着一条近乎直线绘制数据点；另一种是非线性模型，该模型像树一样分支，分裂并添加新的树，并绘制它如何自我纠正先前的错误。这些模型确定了预测九年内康复与否的 11 个关键变量，其中线性模型优于非线性模型。这些模型还确定了每个变量与其他变量相比在预测康复结果方面的重要性。

研究人员发现，教育程度越高、年龄越大、朋友支持越多、腰围与臀围的比例越高、积极情绪越高（或感觉越开朗），依次对康复最重要。与此同时，抑郁情绪、日常歧视、过去 12 个月中接受心理健康专业人士治疗的次数较多以及过去 12 个月中看医生的次数较多被证明是预测未康复的最重要因素。研究人员将机器学习预测结果与 MIDUS 数据进行比较，验证了模型的结论，发现预测的康复变量与 95 名在九年期结束时未显示 GAD 症状的参与者的情况一致。

研究结果表明，临床医生可以利用人工智能来识别这些变量，并对GAD患者进行个性化治疗，尤其是那些有复合诊断的患者。

研究报告的资深作者、宾夕法尼亚州立大学心理学教授米歇尔-纽曼（Michelle Newman）说，近50%至60%的GAD患者合并有抑郁症。她解释说，个性化治疗可以在治疗焦虑症的同时针对抑郁症。

纽曼说：机器学习不仅研究单个预测因子，而且帮助我们了解这些预测因子的权重，它们对康复或不康复的重要性，以及这些预测因子相互影响的方式，这是人类无法预测的。

研究人员指出，这项研究无法确定 GAD 在这九年中的持续时间，因为它是一种慢性疾病，症状表现强烈的时期时有时无。不过，他们表示，这项工作为更有针对性的治疗奠定了基础。

纽曼说：这项工作有助于我们开始了解更多针对特定个体进行个性化治疗的方法。

欢迎到FuninUSA.NET论坛讨论

来源：健康与快乐并存