580. 机器学习检测精神疾病电生理特征的研究

这项研究介绍了一种利用机器学习识别精神分裂症和双极性障碍客观生物标志物的创新计算方法。科研人员通过多电极阵列（MEA）记录了患者来源的大脑类器官和二维神经元的电生理数据，并提取了反映神经网络动力学的“接收索引”特征。研究发现，在电刺激条件下，这些神经模型的分类准确率显著提升，区分患病组织与健康组织的成功率最高可达95.8%。这种分析流程揭示了神经系统在动态处理信息时表现出的独特病理特征，为解决精神疾病缺乏客观诊断手段的难题提供了新思路。该成果不仅有助于提高临床诊断的精准度，也为开发个性化治疗方案和筛选新药提供了高保真的人源化平台。内容来源：https://pubs.aip.org/aip/apb/article/9/3/036118/3364154/Machine-learning-enabled-detection-of