日本语
抑郁症是长期休养和自杀的主要原因，目前患者人群增多，带来的社会损失巨大，合理的诊断和治疗成为亟需解决的课题。抑郁症由脑功能失调及身体和心理压力等多方面的原因引起，是一种多种表现症状的异源性疾病，目前抑郁症根据美国精神医学学会的《精神疾病诊断与统计手册》（简称DSM）进行诊断，医生通过对患者的心情抑郁及情绪低落等临床症状进行主观判断，尚未确立客观的诊断方法。另外，抗抑郁药物治疗也通过试错法进行，这种治疗对大约30%的患者没有任何效果，为选择合适的治疗方法及防止服用不必要的药物，需要开发基于脑科学数据的客观诊断法和抗抑郁药物治疗反应性预测法。
本研究综合分析了广岛大学精神科收治的134名抑郁症患者和健康人群的MRI脑功能图像分析数据、脑源性神经营养因子（BDNF）等血液生物标志物作为候选，价值以基于心理检查和问诊结果的临床评价指标，利用人工智能之一的机器学习进行数据分析，由此确定了抑郁症的亚型。
此次研究利用了已有的机器学习贝叶斯多重聚类法，对抑郁症患者的多维数据进行了模型分析，根据以右侧角回为中心的大脑默认模式网络静息态的脑活动及儿童时期的创伤经历，成功地将抑郁症患者分为了3组（亚型）。
另外还发现，抗抑郁药物SSRI对其中1组的治疗效果无效。（参考下图）
文 客观日本编辑部
日文发布全文 [网址]
