هوش مصنوعی درمان افسردگی را متحول می‌کند

یک مطالعه تازه که توسط وب‌سایت Live Science منتشر شد، اسکن‌های مغزی بیش از ۸۰۰ فرد مبتلا به افسردگی و اضطراب را مورد آن تجزیه و تحلیل قرار داد و علائم عصبی مختلف مرتبط با علائم و پاسخ‌های متفاوت به درمان را نشان داد.

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.