微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 两家以色列公司正在利用AI帮助医生治疗抑郁症

两家以色列公司正在利用AI帮助医生治疗抑郁症

2019-05-18 15:00
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2019-05-18 15:00 科技行者

人工智能和机器学习正在助力数字健康热潮,但在心理和行为健康方面仍处于起步阶段。事实上,这并不意外,因为理解人类的思想和感受可不仅仅是“分析血液测试数据或者医学扫描疾病迹象”,往往要比分析某个人是否会患上肾脏疾病难得多。提振某个人的情绪,或者个性化地治疗精神失常(特别是抑郁症)仍然是非常困难的。

根据世界卫生组织的统计,抑郁症是全球最主要的健康问题之一。抑郁症患者经常要经过大量乏味的试验和错误的过程来找到适合自己的抗抑郁药物。很多患者对初期健康服务感到不满,不愿意坚持治疗,甚至报告存在让人变得虚弱的副作用。最近有研究表明,2/3的患者在首次服用了抗抑郁药后未能好转,另有30%的患者放弃了一线治疗的机会。

两家以色列公司正在利用AI帮助医生治疗抑郁症

为了解决抑郁和焦虑问题,有初创公司推出了一系列基于人工智能的工具,从而帮助精神科医生和家庭医生更快地优化护理措施。

比如,总部位于以色列特拉维夫的初创公司Taliaz,正在开发一种名为PREDICTIX以人工智能为驱动的决策支持工具,可以帮助医生找出适合患者的抗抑郁药物。PREDICTIX是根据迄今为止最大的抑郁症前瞻性临床试验——Sequenced Treatment Alternatives to Relieve Depression (STAR*D) Study——相关数据开发的。Taliaz称,在完成算法开发之后,该工具能够预测当前抗抑郁药物的疗效和不良反应,准确度高达75%。

Taliaz公司首席执行官、魏茨曼研究所神经科学博士Dekel Taliaz表示:“只有通过科学研究、遗传学、神经学、环境和临床数据的深度结合,我们才能理解这些复杂性并找出相关的标记,以建立能够为患者提供最佳结果的预测模型。我们通过简单的非侵入性测试,以在线调查问卷的形式收集了患者的DNA样本、人口统计信息和临床病史。然后,PREDICTIX提供有关抗抑郁药物的预测信息,并推荐最适合每位患者基因构成和健康记录的信息。”

今年3月,Taliaz携手英国领先的在线精神病学服务机构Psychiatry UK LLP(PUK),推出了号称是第一个针对抑郁症患者的在线AI基因检测服务。这个在线医疗管理版本的PREDICTIX服务,旨在通过帮助精神科医生更早、更好地找到适合的抗抑郁药物来减少患者的痛苦。

“我们有一位患者对四种抗抑郁药没有产生反应,他反馈说,从三周前开始服用Predictix测试推荐的药物之后,现在像是‘换了一个人,感觉已经好了80%’”,Psychiatry UK精神病学家Adil Jawad博士说。Psychiatry UK是英国领先的在线精神病学服务机构,为英国NHS公共机构和私人组织提供服务。

另一家希望提高抑郁症治疗效果的以色列科技公司是Elminda,该公司最近获得了欧盟委员会280万欧元奖励,用于提升其技术以帮助欧洲患者免受抑郁症的困扰。Elminda的BNA-PREDICT大脑分析产品可以预测患者对抗抑郁药物和神经刺激治疗的反应,帮助医生选择最有效的抗抑郁治疗手段,以及直接监测治疗对患者大脑的影响。

“我们为Elminda获得了欧委员会著名的Horizon 2020第二阶段中小企业项目授予的奖项感到自豪”,Elminda公司Roni Sharon博士这样表示。

健全的心理健康对于创造力、生产力和才智来说至关重要,这一点似乎比以往任何时候都更加明确。随着时间的推移,我们希望看到越来越多的初创公司和投资者联合起来,促进和改善人类的情绪、心理和社会福祉。在这种情况下,随着人工智能的不断升级,人工智能算法经过优化以创建更有用的支持机制,在最复杂和最容易出错的情况下开发出有用的专业技能。虽然我们不知道Taliaz和Elminda等初创公司未来会是怎样,但我们希望这些公司在患者使用和坚持正确疗法方面发挥关键的作用。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-