مقالهای که ۳ سپتامبر ۲۰۲۶ در Communications Medicine از مجموعه Nature منتشر شد، روشی مبتنی بر EEG و یادگیری ماشین کنتراستی را برای جداکردن الگوهای اسکیزوفرنی از اختلال دوقطبی آزمایش کرده است. این دو اختلال شدید روانپزشکی میتوانند نشانههای بالینی همپوشان داشته باشند و همین شباهت، تشخیص افتراقی را دشوار میکند.
پژوهش شامل ۵۲ بیمار مبتلا به اختلال دوقطبی، ۶۵ بیمار مبتلا به اسکیزوفرنی و ۷۵ فرد سالم بود؛ در مجموع ۱۹۲ نفر. از همه شرکتکنندگان EEG حالت استراحت ثبت شد. پژوهشگران با استفاده از آنتروپی نمونه، شبکههایی از تغییرپذیری زمانی فعالیت مغز ساختند و سپس کوشیدند بخشی از الگو را که با افراد سالم مشترک است از مؤلفههای اختصاصی هر اختلال جدا کنند.
مؤلفه هوش مصنوعی در مرکز مطالعه قرار دارد. یک خودرمزگذار متغیر کنتراستی، شبکههای EEG را به مؤلفههای مشترک و اختصاصی تجزیه کرد. پس از آن، فیلترهای الگوی فضایی شبکه ویژگیهای متمایزکننده را استخراج کردند تا طبقهبند بتواند بیماران دو گروه را از هم تفکیک کند. تفاوتهای اصلی در ارتباطات پیشانی–مرکزی و آهیانهای دیده شد؛ تفاوتهایی که در شبکههای خام یا مؤلفههای مشترک آشکار نبودند.
مدل مبتنی بر مؤلفههای اختصاصی، اسکیزوفرنی و اختلال دوقطبی را با دقت گزارششده ۹۶٫۱۵۴ درصد از هم جدا کرد. این الگوها همچنین با امتیازهای ارزیابی بالینی ارتباط داشتند و برای مدلسازی شدت نشانهها استفاده شدند. اهمیت نتیجه فقط عدد دقت نیست؛ روش کنتراستی تلاش میکند بهجای یادگیری تفاوتهای کلی بیمار و فرد سالم، بخشهایی از سیگنال را برجسته کند که به تمایز دو اختلال نزدیکترند.
با این حال، نتیجه هنوز نباید بهعنوان آزمون تشخیصی آماده معرفی شود. نمونه هر گروه محدود بود و مقاله در نسخهٔ اولیهٔ پذیرفتهشده منتشر شده که ممکن است پیش از نسخه نهایی ویرایش شود. چکیده عمومی درباره آزمون مدل در بیمارستانها، کشورها یا مجموعهدادههای مستقل توضیحی ارائه نمیکند؛ بنابراین روشن نیست دقت بالا در جمعیتها و دستگاههای دیگر تکرار میشود یا نه. EEG نیز به کیفیت ثبت، پردازش سیگنال و تفاوتهای جمعیتی حساس است و تشخیص روانپزشکی همچنان به ارزیابی جامع بالینی نیاز دارد.
این مطالعه نمونهای مستقیم از AI بهعنوان ابزار کشف نشانگر زیستی و تصمیمیار بالقوه در روانپزشکی است، نه جایگزین روانپزشک. گام بعدی باید اعتبارسنجی بیرونی و چندمرکزی، ثبت از پیشتعیینشده مسیر تحلیل، سنجش عملکرد در نمونههای متنوعتر و بررسی ارزش افزوده روش در کنار مصاحبه و ارزیابی بالینی باشد.
منبع: Jiang و همکاران، Communications Medicine، منتشرشده ۳ سپتامبر ۲۰۲۶. DOI: 10.1038/s43856-026-01867-1. مقاله با مجوز CC BY-NC-ND 4.0 منتشر شده است.
