📰 منبع: PLOS Mental Health — اوت ۲۰۲۶
پژوهشگران سنگاپور در مطالعهای اکتشافی که ۲۱ اوت در مجله PLOS Mental Health منتشر شد، بررسی کردند کدام ترکیب دادهها میتواند پیامد یکساله جوانانی را که در وضعیت «خطر بسیار بالا» برای روانپریشی قرار دارند بهتر پیشبینی کند. هدف، مقایسه دو پیامد بود: گذار به روانپریشی و بهبودی بهمعنای خارجشدن از وضعیت پرخطر.
مؤلفه هوش مصنوعی در این خبر مرکزی است. پژوهشگران مدلهای ماشین بردار پشتیبان با هسته خطی ساختند و شش نوع داده را، بهتنهایی و در ترکیبهای مختلف، آزمودند: ارزیابی بالینی CAARMS، عوامل خطر اجتماعی و محیطی، عملکرد اجتماعی، آزمونهای شناختی، دادههای بیان ژن و امتیاز خطر چندژنی. ارتباط با سلامت روان نیز مستقیم است، زیرا خروجی مدل مشخصاً گذار به روانپریشی یا بهبودی بالینی در جوانان پرخطر بود؛ نه یک کاربرد عمومی یا حاشیهای AI.
دادهها از ۵۶ شرکتکننده در مطالعه طولی جوانان در معرض خطر به دست آمد. در دوره پیگیری، ۱۲ نفر به روانپریشی گذار کردند و میانگین زمان گذار ۱۲٫۸ ماه بود. از ۴۴ نفر دیگر، ۲۶ نفر از وضعیت خطر بسیار بالا خارج شدند و ۱۸ نفر همچنان در همان وضعیت باقی ماندند.
بهترین نتیجه برای هر دو پرسش از ترکیب ارزیابی CAARMS، عوامل اجتماعیمحیطی و عملکرد اجتماعی به دست آمد. برای پیشبینی گذار، ضریب همبستگی متیوز مدل ۰٫۷۱، ویژگی ۰٫۹۳ و حساسیت ۰٫۷۸ گزارش شد. برای پیشبینی بهبودی نیز این مقادیر بهترتیب ۰٫۶۴، ۰٫۸۲ و ۰٫۷۷ بودند. در آزمون گذار، همین ترکیب تنها مدلی بود که بهطور معنادار از مدلهای تهی بهتر عمل کرد. یافته مهم دیگر این بود که افزودن دادههای پرهزینهتر زیستی و ژنتیکی الزاماً بهترین عملکرد را ایجاد نکرد؛ دادههای بالینی، اجتماعی و رفتاری در این نمونه اطلاعات بیشتری داشتند.
با این حال، این اعداد نباید بهعنوان دقت یک ابزار آماده بیمارستانی خوانده شوند. نمونه بسیار کوچک بود و فقط ۱۲ مورد گذار داشت؛ به همین دلیل پژوهشگران نتوانستند از اعتبارسنجی متقاطع معمول استفاده کنند و عملکرد را با بوتاسترپ داخلی و اصلاح خوشبینی برآورد کردند. همچنین مدل در جمعیتی مستقل یا در محیط درمانی دیگری آزمایش نشده است. انتخاب متغیرها، نامتوازنبودن گروهها و پیچیدگی زیاد دادههای مولکولی نیز خطر بیشبرازش و کاهش تعمیمپذیری را بالا میبرد.
پیام محتاطانه مطالعه این است که AI چندوجهی شاید بتواند ارزیابی بالینی خطر روانپریشی را دقیقتر کند، اما «چندوجهی» لزوماً به معنای جمعکردن هر داده ممکن نیست. ترکیب سنجیده دادههای بالینی و اجتماعیِ در دسترس میتواند عملیتر باشد. پیش از هر کاربرد بالینی، این نتیجه باید در نمونههای بزرگتر، چندمرکزی و مستقل تکرار شود و اثر واقعی آن بر تصمیم درمانگر و پیامد مراجع بررسی شود.
این خبر بخشی از بخش اخبار روانای است و خلاصهای آزاد از منبع ذکرشده است، نه یک تحلیل تخصصی. این محتوا جایگزین مشاوره یا ارزیابی حرفهای نیست.
