یک مرور نظاممند و فراتحلیل تازه نشان میدهد مدلهای پیشبینی که از تصویربرداری مغزی پایه استفاده میکنند، در پژوهشهای موجود توانستهاند پاسخ زودهنگام به درمان را در افراد دارای اختلالات طیف اسکیزوفرنی با عملکردی متوسط تا خوب تفکیک کنند. مقاله در ۶ سپتامبر ۲۰۲۶ در نشریه European Archives of Psychiatry and Clinical Neuroscience منتشر شده است.
مؤلفهٔ هوش مصنوعی در این خبر مستقیم است: پژوهشگران مطالعاتی را بررسی کردند که دادههای MRI یا PET پیش از درمان را به مدلهای پیشبینی—از جمله روشهای یادگیری ماشین، رادیومیکس و یادگیری عمیق—میدادند تا مشخص شود چه کسی احتمالاً در ادامه به درمان ضدروانپریشی پاسخ میدهد. بنابراین موضوع صرفاً تصویربرداری یا درمان اسکیزوفرنی نیست؛ هستهٔ پژوهش، ارزیابی توان الگوریتمها برای پیشبینی پیامد درمان در روانپزشکی است.
جستوجوی نویسندگان تا ۲۰ آوریل ۲۰۲۶ ادامه داشت و ۱۶ مطالعه آیندهنگر وارد مرور شدند. در تحلیل چندسطحی، عملکرد تفکیکی تجمیعشده مدلها با شاخص AUC حدود ۰٫۷۵ گزارش شد؛ یعنی مدلها در نمونههای پژوهشی بهتر از حد تصادف، اما دور از یک ابزار بیخطای بالینی عمل کردند. وقتی در هر مطالعه بهترین مدل گزارششده انتخاب شد، AUC تجمیعشده به حدود ۰٫۸۱ رسید. این عدد جذابتر است، اما انتخاب «بهترین مدل» میتواند تصویری خوشبینانهتر از عملکرد واقعی بسازد.
در تحلیل HSROC، حساسیت و ویژگی هر دو حدود ۰٫۷۵ بود. مدلهای مبتنی بر اتصالپذیری کارکردی مغز از مدلهای متکی بر ساختار یا فعالیت/سوختوساز عملکرد بهتری نشان دادند. نویسندگان این یافته را نشانهای میدانند که پاسخ درمانی شاید بیش از یک ناحیه منفرد، با سازمان شبکههای گسترده مغزی ارتباط داشته باشد.
بااینحال، این نتایج به معنای آمادهبودن یک «آزمایش مغزی برای انتخاب دارو» نیست. مرور مجموعهای از مدلها، اسکنرها، روشهای پردازش و تعریفهای متفاوت پاسخ درمان را کنار هم قرار داده است. خود نویسندگان بر نیاز به استانداردسازی روشها، اعتبارسنجی خارجی و نمونههای متنوعتر جغرافیایی تأکید کردهاند. عملکردی که در یک مجموعهداده پژوهشی دیده میشود ممکن است در بیمارستانی دیگر، با جمعیت یا دستگاه متفاوت، افت کند.
فراتحلیل همچنین اثبات نمیکند استفاده از این مدلها پیامد بیماران را بهتر میکند؛ برای این ادعا باید کارآزماییهای آینده نشان دهند تصمیمگیری الگوریتمی واقعاً انتخاب درمان را بهبود میدهد، زمان رسیدن به پاسخ را کوتاه میکند و به گروه خاصی آسیب نامتناسب نمیزند. در وضعیت فعلی، نتیجه را باید یک سیگنال پژوهشی امیدوارکننده برای «روانپزشکی دقیق» دانست، نه توصیهای برای تصمیمگیری مستقل هوش مصنوعی.
منبع: Caiazza و همکاران، European Archives of Psychiatry and Clinical Neuroscience، منتشرشده در ۶ سپتامبر ۲۰۲۶. DOI: 10.1007/s00406-026-02359-y؛ رکورد PubMed.
