PT - JOURNAL ARTICLE
TI - Использование методов машинного обучения в диагностике и прогнозировании клинических особенностей шизофрении: нарративный обзор литературы
DP - 2023-10-24
4100 - 10.17816/CP11030
SO - https://repo.bashgmu.ru/publication/3305
AB - ВВЕДЕНИЕ: Шизофрения является тяжелым психическим расстройством, которое влечет за собой значительные негативные последствия. Раннее выявление шизофрении и ее лечение благоприятно влияют на клинический прогноз и качество жизни пациента. В этом контексте методы машинного обучения открывают новые возможности для более точной диагностики и прогнозирования клинических особенностей данного расстройства. ЦЕЛЬ:  Данный  обзор  литературы  направлен  на  поиск  информации  о  применении  методов  машинного обучения в прогнозировании и диагностике шизофрении и ее клинических особенностей.МЕТОДЫ: Поиск материала был осуществлен в базах данных Google Scholar, PubMed, eLIBRARY.ru. В обзор включались работы, опубликованные не раньше 1 января 2010 г. и не позже 31 марта 2023 г. Поисковые запросы формировались путем комбинации ключевых слов: “machine learning”, “deep learning”, “schizophrenia”, “neural network”, “predictors”, “artificial intelligence”, “diagnostics”, “suicide”, “depressive”, “insomnia”, “cognitive”. В обзор включались оригинальные исследования независимо от их дизайна. Для обобщения полученных данных использовался описательный анализ.РЕЗУЛЬТАТЫ: Методы машинного обучения широко применяются в функциональной диагностике шизофрении. Их используют в распознавании данных от МРТ, ЭЭГ, актиграфии. Также модели, созданные с помощью алгоритмов машинного обучения, могут анализировать речь, поведение, творчество людей для диагностики психических расстройств. Было установлено, что различные модели, построенные на основе машинного обучения, способны помогать специалистам прогнозировать и диагностировать шизофрению, основываясь на  анамнестической,  генетической,  эпигенетической  информации.  Методы  машинного  обучения  также успешно применяются для построения моделей, которые способны помогать специалистам диагностировать и прогнозировать клинические проявления и осложнения шизофрении, такие как бессонница, депрессивные проявления, риск суицида, агрессивное поведение, динамика когнитивных функций.ЗАКЛЮЧЕНИЕ: Применение методов машинного обучения играет важную роль в психиатрии, с их помощью разработаны модели, помогающие специалистам в диагностике шизофрении и ее клинических особенностей. Применение алгоритмов машинного обучения является одним из наиболее перспективных направлений в психиатрии, это может значительно повысить эффективность диагностики и лечения шизофрении.