هوش مصنوعی درمان افسردگی را متحول می‌کند

این مطالعه که توسط محققان دانشگاه استنفورد انجام شد، از الگوریتم‌های یادگیری ماشینی برای بررسی الگو‌های فعالیت مغز در حالت استراحت و درگیری با کار استفاده کرد.

این الگو‌ها که به عنوان مدار‌های مغزی شناخته می‌شوند، شامل مناطقی مانند شبکه frontoparietal است که با رفتار هدفمند و شبکه حالت پیش فرض و تفکر بازتابی مرتبط است.

یافته‌های این مطالعه دیدگاه سنتی افسردگی به عنوان یک اختلال فردی را با نشان دادن تنوع قابل توجهی در نحوه نشان دادن این بیماری از نظر عصبی زیستی به چالش می‌کشد.

لیان ویلیامز، یکی از نویسندگان این مطالعه و استاد روانپزشکی و علوم رفتاری در دانشگاه استنفورد، می‌گوید: اگرچه همه بیماران در طبقه‌بندی اختلال افسردگی اساسی قرار می‌گیرند، اما همه بیماران افسردگی را به یک شکل تجربه نمی‌کنند.

بیماران بر اساس اسکن مغزشان به زیرگروه‌های متمایز طبقه بندی شدند که نشان دهنده ارتباط بین الگو‌های فعالیت عصبی و علائم خاصی مانند بی لذتی (ناتوانی در تجربه لذت)، یا اختلال در عملکرد اجرایی بود.

هدف این رویکرد شخصی‌شده طراحی درمان‌های مؤثرتر است، با تشخیص این که تا یک سوم افراد مبتلا به افسردگی به درمان‌های استاندارد پاسخ نمی‌دهند.

طبق گزارش ها، این مطالعه سه نوع از شش زیرگروه را شناسایی کرد که پاسخ‌های متفاوتی به درمان‌ها نشان می‌دهند. به عنوان مثال، بیمارانی که فعالیت شناختی بالایی از خود نشان دادند نسبت به سایر زیرگروه‌ها به ونلافاکسین، یک داروی ضد افسردگی، پاسخ مطلوب‌تری دادند. این کشف نویدبخش بهبود انتخاب درمان است که ممکن است روند طولانی آزمون و خطای رایج در مدیریت افسردگی را کاهش دهد.

گرگ سیگل، استاد روانپزشکی در دانشگاه پیتسبورگ، این مطالعه را ستود و آن را استثنایی توصیف کرد و بر پتانسیل آن برای افزایش مراقبت شخصی در روانپزشکی تاکید کرد.

او خاطرنشان کرد که درک زیرگروه‌های حاصل از تصویربرداری عصبی می‌تواند به مداخلات هدفمند منطبق با نوروبیولوژی منحصر به فرد هر بیمار منجر شود.

با نگاهی به آینده، محققان قصد دارند مطالعه خود را گسترش دهند تا یافته‌ها را در جمعیت‌های بزرگتر تأیید کنند و پاسخ‌های درمانی اضافی را برای مدیریت افسردگی بررسی کنند. 

ویلیامز افزود: این کار نشان‌دهنده گامی حیاتی در جهت پرداختن به ناهمگونی افسردگی و ارائه درمان‌هایی به بیماران است که احتمالاً برای آنها مؤثر است.

با ادغام تکنیک‌های تصویربرداری عصبی با عمل بالینی، این مطالعه نشان دهنده یک تغییر پارادایم به سمت روانپزشکی دقیق با هدف کاهش مقاومت درمانی و بهبود نتایج بیمار است.

همانطور که سلامت روان به عنوان یک اثر متقابل پیچیده از عوامل بیولوژیکی و روانشناختی به رسمیت شناخته شدن جهانی ادامه می‌دهد، چنین مطالعاتی راه را برای آینده‌ای هموار می‌کند که در آن نشانگر‌های تشخیصی با پروفایل‌های عصبی زیستی دقیق تکمیل می‌شوند.

چنین پیشرفت‌هایی نه تنها اثربخشی درمان را بهبود می‌بخشد، بلکه با شناخت زیربنای بیولوژیکی متنوع آن، انگ افسردگی را حذف می‌کند. 

با اعتبارسنجی و پیاده سازی مداوم، این یافته‌ها پتانسیل تغییر شکل چشم انداز مراقبت از سلامت روان را دارند و امید‌های جدیدی را برای افراد مبتلا به افسردگی در سراسر جهان ایجاد خواهد کرد.

منبع: باشگاه خبرنگاران جوان