人工智能助力青少年心理健康风险预测：开启精准干预新篇

为预测青少年心理健康风险，研究人员利用多数据训练神经网络模型，发现其可有效预测未来风险，意义重大。

　　青少年心理健康风险的前瞻性预测有助于早期预防性干预。在 “青少年大脑与认知发展研究（Adolescent Brain and Cognitive Development Study）” 中，研究人员从 1.1 万多名儿童处收集心理社会问卷和神经影像测量数据，训练神经网络模型，以对一般精神病理学风险进行分层。基于当前症状训练的模型，能精准预测哪些参与者会在次年转变为最高精神疾病风险组（受试者工作特征曲线下面积 = 0.84）。仅基于潜在病因或疾病机制训练的模型，在不依赖儿童当前症状负担的情况下，受试者工作特征曲线下面积达到 0.75。睡眠障碍成为高风险状态最具影响力的预测因素，超过了童年不良经历和家族精神病史。纳入神经影像测量数据并未提高预测性能。这些研究结果表明，基于易于获取的心理社会问卷训练的人工智能模型，可有效预测未来精神疾病风险，同时突出了潜在的干预靶点。这是迈向基于人工智能的心理健康筛查临床决策支持系统的充满希望的一步。