人工智能将成为医学领域的重要诊断工具。它可以注意到图像中人眼无法注意到的细节。然而，到目前为止，几乎不可能想象人工智能被用于诊断精神疾病。

现在伯明翰大学的科学家们开发了一种新的基于人工智能的诊断方法，可以更准确地识别出有许多精神病和抑郁症状的患者。

有许多人同时患有精神病和抑郁症的症状。这使得准确诊断非常困难。在许多情况下，医生会确定一种“原发”疾病和一种“继发”疾病，这有时可能导致治疗不足。

抑郁症通常被视为继发性疾病，这意味着治疗的重点是精神病的症状(如幻觉或妄想)。科学家们认为这是一种非常低效的方法，系统地治疗这两种疾病会更好，但诊断将是一个巨大的挑战。

现在，科学家们探索了使用机器学习来开发纯疾病的准确模型的可能性，以了解它们之间的相关性。这可以帮助临床医生更准确地诊断患者，因为有时症状并不意味着存在“继发性”疾病，而只是原发疾病的不同表现。

这项新研究涉及300名患者。科学家们使用机器学习来开发“纯”抑郁症和“纯”精神病模型。科学家发现，将抑郁症作为主要疾病的诊断比将精神病视为主要疾病的诊断更准确。

该研究的主要作者帕丽斯·亚历山德罗斯·拉卢西斯说：“迫切需要更好地治疗精神病和抑郁症，这些疾病构成了全球主要的心理健康挑战。我们的研究强调了临床医生需要更好地了解这些疾病的复杂神经生物学，以及“共病”症状的作用;尤其要仔细考虑抑郁症在疾病中的作用”。

基于人工智能的模型可以帮助创建更好、更准确的诊断。用于这些模型的相同过程也可以用于其他条件。结果将是人们根据他们实际拥有的条件得到治疗，这将带来更好的结果。

个人经验和神经生物学对于准确诊断非常重要，但它们也很难包含在系统方法中。人工智能应该有助于解决这个问题。事实上，在不久的将来，基于人工智能的方法很可能会在医疗诊断中非常普遍。