消防员在其职业生涯中经历慢性且反复的创伤，使他们面临酒精使用障碍(AUD)的高风险。最近发表在《精神病学前沿》杂志上的一项研究探讨了使用深度学习多模态框架客观评估AUD风险的方法。
压力助长成瘾
消防员面临持续暴露于紧急情况和灾难，导致显著且累积的心理压力。他们工作中的高强度体力需求和心理压力使消防员特别容易发展出心理健康障碍，尤其是酒精使用障碍(AUD)。
流行病学证据显示，与一般人群相比，公共安全人员的心理健康筛查率要高得多。每七人中就有一人筛查出一种或多种心理障碍，而约27%的人有两种或更多种心理障碍。
酒精通常被用作一种不适应的应对机制来帮助处理创伤和压力。消防员可能会转向饮酒以获得暂时的缓解，因为它可以减少过度唤醒，钝化创伤事件的侵入性记忆，并减轻情绪困扰。消防员文化在结束执勤后正常化饮酒，但也抑制展示脆弱性的行为。这导致一种情况，即作为消防员饮酒是可以接受的，但承认有AUD却是可耻的。
这阻碍了消防员寻求AUD帮助，甚至承认自己有AUD，因为他们担心这可能会毁掉他们的职业生涯。然而，AUD对个人消防员及其团队构成严重风险，导致危险行为，如醉酒驾驶、自杀念头或行为增加，以及整体上更可能发生创伤性事件。
目前，AUD筛查依赖于通过问卷的自我报告。然而，参与者如果承认自己有AUD，会担心社会和职业上的后果或形象损失。因此，客观的筛查方法更为可取，那些不会使参与者感到污名化的方法特别有益。行为和生物标志物，如结构性MRI和神经心理学评估，是本研究中使用的一部分有前景的工具。
这种多模态模型旨在使用生物数据对消防员进行高AUD风险筛查。
通过数据绘制风险图
这项韩国研究分析了来自689名现役消防员国家队列的结构性MRI神经影像数据，结合标准化神经心理学测试。这使其成为AUD预测建模中第二大消防员研究。平均年龄为43岁，大多数参与者为男性。
消防员接受了T1加权结构性MRI成像。他们还完成了沟槽钉板测试以评估他们的视觉-运动协调能力，以及连线测试以评估他们的执行功能。他们完成了世界卫生组织(WHO)开发的酒精使用障碍识别测试(AUDIT)，用于筛查酒精依赖和成瘾。
参与者被分为有酒精风险和无酒精风险两类，分别占57%和43%。
该研究使用了一种新型机器学习模型，利用获取不同类型数据的协同效益。这包括：
- 逐层提取脑部形态学模式的ResNet-50卷积神经网络
- 用于识别广泛脑部解剖结构、将不同部分相互关联的视觉转换器模块
- 用于推导多层感知机的临床变量，用于识别数值数据中的模式
这种多模态系统被称为"协同融合"，将临床和影像数据整合在一起，以临床相关的方式解释它们。它通过交互结合脑部模式和临床变化，从而更准确地预测AUD风险。
AI发现早期预警信号
该多模态系统以约80%的准确率对AUD风险消防员进行了分类。其区分能力也是80%。这比仅使用临床数据或仅使用神经影像学数据的预测方法提高了17个百分点，后两种方法的准确率约为62%。
这些不同类型数据的协同交互解释了准确性的提高，表明这不是简单地添加更多数据。该模型从MRI数据中捕获局部和全局结构模式并有效整合，消除了对更复杂且计算需求更高的功能性MRI扫描的需求。
神经心理学测试也为神经功能提供了令人满意的替代品，进一步弥补了功能性MRI的不足。
仅使用神经影像学导致随机激活模式，表明早期AUD产生的变化过于微妙和分散，无法提供足够的区分度来准确分类AUD风险。
相反，仅使用临床特征导致将性别和运动协调作为最重要的预测标志物。沟槽钉板测试显示非优势手的敏感变化，表明AUD的神经系统损伤早期迹象。
模型可解释性分析，如梯度加权类激活映射和SHapley可加性解释进一步表明，单模态成像模型产生分散的、非特异性的激活模式。相比之下，集成多模态模型识别出清晰的、具有生物学意义的模式，突出显示性别和运动协调作为关键预测特征。
同样，结果强调了针对消防员AUD的性别特异性风险模式的重要性。已知酒精分解途径、酒精神经毒性以及成瘾风险因性别而异。
研究人员还评估了模型校准和决策曲线分析，显示多模态方法在广泛的阈值概率范围内保持了准确性和临床价值。通过减少假阳性和假阴性，它始终优于单模态模型，而仅临床和仅神经影像学模型的准确性在较高阈值时下降。
这表明这种相对简单的机器学习模型适用于临床使用。考虑到功能性MRI的复杂性一直是多模态方法临床适用性的障碍，这是一个重要的进步。与早期将结构性和功能性MRI结合以按精神病诊断对参与者进行分类的研究相比，它表现良好。
预防的更安全路径
当前研究提出了一种新的多模态机器学习框架，将结构性神经影像学与AUD特定功能的神经心理学测试相结合。与仅临床或仅神经影像学协议相比，这提供了更好的分类性能。这减少了计算资源和图像获取时间。
多模态ResNet-50 + ViT + MLP模型明显优于仅临床和仅图像模型。
需要更大规模的研究来完善这种方法，从而提高准确性并防止不必要的职业干预。鉴于20%的误分类率，目前它最适合用于当前风险而非前瞻性风险预测。
还需要进行成本效益研究。目前，要以成本效益的方式预防一次严重的职业事故，需要进行150次筛查。这还没有考虑到连锁效应，如预防职业风险和伤害、提高安全性、降低责任风险以及提高生产力和操作准备度。
然而，这提供了"在高风险职业人群中实施客观AUD筛查的实用途径，对创伤暴露职业中的精神疾病风险分层具有更广泛的意义。"在常规医学测试中可以使用更短的筛查协议，在提高可行性和适用性的同时保持准确性，适用于消防员以外的其他高风险专业人士。
【全文结束】
