कुछ हफ्ते पहले (22 फ़रवरी 2017), जैमा मनोचिकित्सा में एक नया अध्ययन, शीर्ष मनोवैज्ञानिक जर्नलों में से एक था, जिसका शीर्षक है "एंटीडप्रेसेंट ट्रीटमेंट्स की प्रभावशालीता और भविष्यवाणीयोग्यता: एक लक्षण क्लस्टरिंग दृष्टिकोण।" इस अध्ययन में, डॉ। एडम एम। चेकवाड और उनके सहयोगियों ने एक नए लोकप्रिय सांख्यिकीय तकनीक, मशीन सीखने का इस्तेमाल सवाल पूछने के लिए किया, "जो प्रमुख अवसादग्रस्तता विकार (एमडीडी) के साथ रोगी किस दवा का जवाब देंगे?"
अब तक, यह विकल्प मूल रूप से परीक्षण और त्रुटि रही है।
यह रिपोर्ट 9 बड़े पूर्व आयोजित एन्टीडिस्प्रेन्ट उपचार अध्ययनों के डेटा का उपयोग करती है, जिनमें 2 बड़े संघीय वित्त पोषित अध्ययन STAR * D और CoMED, और 7 दवा कंपनी के अध्ययन शामिल हैं, जो विभिन्न दवाइयों की तुलना करते हैं। यह अधिक प्रभावी उपचार की पहचान करने के लिए मशीन सीखने और संबंधित तरीकों का उपयोग करने की एक सतत प्रक्रिया का हिस्सा है (प्राथमिक लेखक एएम चेक्राउड और https://www.spring.care द्वारा काम देखें)
मनोचिकित्सा सहित चिकित्सा की कई शाखाओं में उपचार के बेहतर उत्तर से संबंधित पैटर्न की पहचान करने के लिए इस अन्वेषक "मशीन सीखने" दृष्टिकोण का उपयोग किया जा रहा है। शोधकर्ताओं या चिकित्सकों के पूर्वधारणाओं पर भरोसा करने के बजाय, मशीन लक्षण सीखने के लिए, डेटा में खुद को उपचार की प्रतिक्रिया का अनुमान लगाने के लिए पैटर्न मिलते हैं, जिनके बारे में लक्षण सबसे महत्वपूर्ण हैं या वे कैसे जुड़े हुए हैं। डेटा के भीतर तकनीक खोज अक्सर "एन शून्य से 1" विधि का उपयोग करते हुए कनेक्शन का परीक्षण करता है, प्रत्येक विश्लेषण पर एक विषय को घटाता है, और दूसरी बार डेटा सेट का हिस्सा लेता है, एक आधा, और उस भाग में मनाया गया पैटर्न की तुलना करना दूसरे बनाम फिर इन पैटर्नों को अन्य अध्ययनों से डेटा पर परीक्षण किया जा सकता है, यह देखने के लिए कि क्या वे अभी भी भविष्य कहने वाले हैं।
अधिकांश शोधकर्ताओं का मानना है कि प्रमुख अवसाद "विषम" होता है, इसमें कई अलग-अलग स्थितियां शामिल हैं, इसी तरह के लक्षण, एक भी विकार नहीं; इसलिए संभव है कि यदि दवा के प्रति प्रतिक्रिया के लिए उप-प्रकारों को अलग करना संभव हो, और संभवतः विभिन्न स्थितियों के विभिन्न जीवों को समझने के लिए संभव है।
इस हाल के अध्ययन के शोधकर्ताओं के लक्षणों के 3 प्रमुख समूहों (जो वे मूल भावनात्मक कहते हैं, नींद (अनिद्रा) और 'असामान्य लक्षण') को मिला। सामान्य तौर पर, उन्होंने पाया कि एंटीडिपेंट्स ने लक्षणों के अन्य 2 समूहों की तुलना में भावनात्मक लक्षणों के लिए बेहतर काम किया कुछ क्षेत्रों में कुछ दवाइयां दूसरों के मुकाबले अधिक प्रभावी थीं (उच्च मात्रा में सेरोटोनिन-नॉरपेनेफ्रिन रीप्टेक्ट अवरोधक ड्यूलॉक्सैटिन बनाम एसएसआरआई एस्सिटालोप्राम)।
इस अध्ययन का एक उपयोगी परिणाम एक ऑनलाइन टूल है, https://www.spring.care/spring-assessment, एक प्रश्नावली जिसका उपयोग निर्णय लेने में मदद करने के लिए रोगियों और डॉक्टरों द्वारा किया जा सकता है।
एक पेचीदा संभावना: अध्ययन (और संभवत: नया उपकरण) "वैयक्तिकृत" उपचार के साथ मदद कर सकता है, उनके लक्षणों के आधार पर विशिष्ट रोगी को एंटिडेपेंटेंट मिल रहा है।
इससे संभवतः नई दवाओं के विकास में मदद मिल सकती है जो लक्षणों के इन समूहों पर ध्यान केंद्रित कर सकते हैं। और यह संभवतः अवसाद के जीव विज्ञान के अध्ययनों को मार्गदर्शन कर सकता है क्योंकि विभिन्न लक्षण समूहों निराशा वाले लोगों के दिमाग में विभिन्न असामान्यताओं को प्रदर्शित कर सकते हैं- विभिन्न मस्तिष्क सर्किट इन विभिन्न लक्षण समूहों में शामिल हो सकते हैं।
अध्ययन में कुछ सीमाएं हैं: अलग-अलग अध्ययन डिज़ाइन (दो अध्ययनों में प्लेसबो का उपयोग नहीं किया गया, 'अंधाधुंध' अध्ययनों के बीच मतभेद था), और 9 अध्ययनों में से 7 एक दवा (ड्यूलॉक्सैटिन) के साथ थे। इसके अलावा, लक्षण समूहों के सभी अध्ययनों में समान नहीं थे, अलग-अलग अध्ययनों में कुछ भिन्न वस्तुओं के साथ, जो बताते हैं कि वे 'पत्थर में लिखे' नहीं हैं और हमें उनके बारे में निश्चित समझ नहीं है। इसके अलावा अध्ययन ने न केवल मनोचिकित्सा अध्ययनों के अध्ययन में देखा; कुछ प्रकार के मनोचिकित्सा (सीबीटी, व्यवहार सक्रियण) उन लक्षणों के लिए उपयोगी हो सकते हैं जो दवाओं के लिए अच्छी तरह से प्रतिक्रिया नहीं करते हैं 3 क्लस्टर को अन्य अध्ययनों से डेटा में जांचना चाहिए, यह देखने के लिए कि क्या वे पकड़ते हैं।
अभ्यास मनोचिकित्सक के रूप में मेरे लिए सबसे बड़ी सीमा यह है कि यह स्पष्ट नहीं है कि इन निष्कर्षों को व्यक्तिगत मरीजों की देखभाल में कितना अच्छा इस्तेमाल किया जा सकता है – एक बात के लिए, अध्ययन अक्सर लोगों को चिकित्सा या अन्य समस्याओं जैसे पदार्थों के दुरुपयोग आदि से बाहर निकालते हैं।
मेरे पास प्रश्न हैं:
· एक चिकित्सक के रूप में, मैं इन अनुमानों के मुताबिक कितने रोगियों को एक अतिरिक्त रोगी पाने के लिए बेहतर तरीके से इलाज की आवश्यकता होगी अगर मैं यादृच्छिक रूप से एक एंटीडिप्रेसेंट दवा चुनता हूं?
· एक मरीज के रूप में, एक विशेष दवा का जवाब देने की मेरी संभावना में कितना वृद्धि हो सकती है यदि मेरा डॉक्टर इस अध्ययन या ऑनलाइन उपकरण (spring.care) के आधार पर सिफारिशों का पालन करता है, बनाम अगर वह "पसंदीदा" उसका अनुभव "?
लेकिन एक शोधकर्ता के रूप में मेरे लिए सबसे दिलचस्प बात यह है कि मेरे समूह में कई डेटासेट हैं जो इस प्रतिमान का परीक्षण कर सकते हैं। हमारे समूह ने कोलंबिया मनश्चिकित्ता में अवसाद मूल्यांकन सेवा में कई दशकों तक दर्जनों अध्ययन किए हैं, आम तौर पर समान रेटिंग स्केल कि यह रिपोर्ट जांचती है हम अपने डेटा सेट को देखने के लिए उसी पद्धति का उपयोग कर सकते हैं। एक बोनस: हमने हमारे कई अध्ययनों पर भी एमआरआई और अन्य इमेजिंग (जैसे ईईजी) किया है, और हमने इन नमूनों पर मशीन सीखने की इसी पद्धति का उपयोग करना शुरू कर दिया है। हम मस्तिष्क सर्किट की तलाश कर रहे हैं जो कि मशीन सीखना दवा की अधिक से अधिक संबंधित (और उस मामले के लिए, प्लेसबो) प्रतिक्रिया की पहचान कर सकता है। मशीन की तकनीक सीखने वाली कई बार पूरी तरह अप्रत्याशित होती है, इसलिए जब ऐसी जांच एक तरह से 'मछली पकड़ने के अभियान' में एक अन्य तरीके से होती है तो वे अज्ञात में वैज्ञानिक खोज-खोज के सर्वोत्तम तरीकों में से एक का प्रतिनिधित्व करते हैं। बेशक, ऐसी किसी अन्वेषण को यादृच्छिक शोर मिल सकता है … इसलिए किसी भी ऐसे निष्कर्षों को तत्काल अलग-अलग अध्ययन से "प्रतिकृति" की आवश्यकता होती है … एक अलग अध्ययन से
