一项对超过11,000名青少年参与者在“青少年大脑与认知发展”（ABCD）研究中的数据分析发现，睡眠障碍可能是未来心理疾病的最强预测因素。睡眠问题比童年逆境经历和家庭精神健康史更具预测性。神经影像数据并未提高预测心理健康风险的能力。该研究结果发表在《自然医学》杂志上。
在过去的一个世纪里，随着科学技术的迅速发展，医学找到了治愈或管理许多曾经致命的疾病的方法。结核病、肺炎、伤寒、麻疹和脊髓灰质炎等以前夺去数百万人生命的疾病，现在由于医学和制药技术的突破而变得可治疗或几乎被根除。
因此，注意力越来越多地转移到仍然难以治疗的医疗条件上。心理健康障碍是这一类别中最突出的。尽管在治疗方面取得了一些进展，但许多人仍然在与慢性心理健康状况作斗争，这些状况对当前干预措施的反应有限。
预防已成为一种有前景的策略。在症状变得严重之前识别出高风险个体，可以提供早期支持并减少长期影响。这促使科学家们寻求可靠的方法来预测谁最有可能发展出精神障碍。
在这项新研究中，首席作者埃利奥特·D·希尔及其同事开发了机器学习模型，基于心理社会和神经生物学数据来预测心理健康风险。
研究人员使用了来自ABCD研究中超过11,000名参与者的数据，这是一个在美国进行的大规模纵向项目。参与者在评估时年龄在9到15岁之间，大约48%为女性。他们在入组后的一到三年内被跟踪调查。
参与者完成了各种心理社会评估，并进行了磁共振成像（MRI）。研究人员训练了几种机器学习模型，根据收集的数据预测未来的精神健康风险。
一个基于参与者当前症状训练的模型在预测哪些青少年将在接下来的一年内进入高风险精神病类别方面非常准确。另一个仅依赖潜在原因（如睡眠问题、家庭动态和逆境）的模型表现稍逊，但在没有症状数据的情况下仍达到了相当的准确性。
睡眠障碍成为增加精神病风险的最强预测因素，超过了其他已知因素，如童年逆境经历和家庭精神健康史。添加MRI数据并未提高模型的预测性能。
“这些发现表明，通过易于获得的心理社会问卷训练的人工智能模型可以有效地预测未来的心理健康风险，同时突出了可能的干预目标。这是向基于人工智能的精神健康筛查迈出的有希望的一步，以支持临床决策系统，”研究作者总结道。
这项研究增强了对心理健康风险因素的理解以及如何估计早期风险。然而，需要注意的是，这些发现基于统计关联。研究设计不允许得出因果关系的结论。
论文《青少年心理健康风险的预测》由埃利奥特·D·希尔、普拉蒂克·卡希亚普、伊丽莎白·拉法内洛、云·王、特里·E·莫菲特、阿夫沙洛姆·卡斯皮、马修·恩格尔哈德和乔纳森·波斯纳撰写。
(全文结束)
