In psychiatric research, machine le

In psychiatric research, machine learning algorithms are being used to better define depression and to make predictions about which patients might respond to a given treatment. By “mining” data from larger datasets, researchers have been trying to find biomarkers — measurable biological indications — of depression. The thought is that researchers could teach a computer how to identify patterns in data from patient-reported surveys, demographic data, cognitive assessments, and even neuroimaging studies correlating blood oxygenation levels to brain activity in specific regions.To do this, scientists first input a subset of patient data and adjust their algorithm to reliably distinguish healthy versus control subjects or, in the case of treatment outcomes, responders from non-responders. They can then figure out which features in the data best help the computer “learn,” make sure that their algorithm only incorporates those data features, and validate their method by testing how accurately it can make predictions about the rest of the patients, whose data it has not yet taken into account.

結果 (繁體中文) 1:

在精神病學的研究，機器學習算法被用來更好地確定抑鬱症和做出關於哪些患者可能對給定治療反應的預測。從更大的數據集“挖掘”數據，研究人員一直試圖尋找生物標誌物 - 可測量的生物跡象 - 抑鬱症。思想是，研究人員可以教電腦如何識別從患者報告的調查，人口統計數據，認知評價，甚至神經影像學研究在特定區域的血氧水平的大腦活動相關數據模式。

要做到這一點，科學家第一輸入患者數據的子集，並調整它們的算法來可靠地區分與健康對照受試者，或在治療結果，從非應答者應答的情況下。然後，他們可以找出數據設有最好的幫助計算機“學習”，確保他們的算法只包含了這些數據的功能，並通過測試它如何準確地做出了病人的休息，他的數據預測驗證其方法還沒有考慮。

結果 (繁體中文) 2:

在精神病學研究中，機器學習演算法正被用來更好地定義抑鬱症，並預測哪些患者可能對給定的治療做出反應。通過從大型資料集中"挖掘"資料，研究人員一直在努力尋找抑鬱症的生物標誌物——可測量的生物適應症。其思想是，研究人員可以教電腦如何識別從患者報告的調查，人口資料，認知評估，甚至神經成像研究相關的血液氧合水準與大腦活動在特定的資料模式地區。

為此，科學家首先輸入患者資料的子集並調整其演算法，以可靠地區分健康與對照物件，或者，在治療結果的情況下，應答者與非應答者。然後，他們可以找出資料中哪些功能最有助於電腦"學習"，確保他們的演算法只包含這些資料功能，並通過測試其如何準確地預測其他患者來驗證他們的方法，資料尚未考慮。

結果 (繁體中文) 3:

在精神病學研究中，機器學習算灋被用來更好地定義抑鬱症，並預測哪些患者可能對給定的治療做出反應。通過從更大的數據集中“挖掘”數據，研究人員一直在努力尋找抑鬱症的生物標誌物——可量測的生物學名額。這種想法是，研究人員可以教電腦如何從病人報告的調查、人口統計資料、認知評估，甚至神經影像學研究中識別出血氧水准與特定區域大腦活動相關的數據模式。
為了做到這一點，科學家首先輸入患者數據的子集，並調整他們的算灋，以便可靠地區分健康受試者和對照受試者，或者在治療結果的情况下，區分應答者和非應答者。然後，他們可以找出數據中的哪些特徵最有助於電腦“學習”，確保他們的算灋只包含這些數據特徵，並通過測試他們的方法對其他患者的預測有多準確來驗證他們的方法，這些患者的數據尚未被考慮在內。