机器学习在双相障碍的应用

双相障碍(bipolar disorder,BD)在全球的患病率约为1%~2%,其特征是情绪不稳定,抑郁和躁狂交替发作^([1])。目前对BD的诊断仍基于症状学。而在BD治疗中,通常方案要经历长时间反复调整,患者才能接受有效治疗。同时BD具有高复发率特点,随访研究发现45%患者会出现一次以上复发^([2-4])。因此,BD的诊断与治疗由于具有较强主观性和个体差异,往往导致患者治疗效果不佳,病情迁延。机器学习作为大数据时代背景下的一门新兴学科,结合了多门学科的思想,凭借其对数据的分析和预测能力,为临床诊断、治疗方案选择及预后判断等提供了新方法、新思路。机器学习中心原则是通过从大型数据集中提取适用规律和模式来实现自动化归纳推理^([5])。