文献类型：期刊文章

作　　者：区健新[1,2] 吴寅[1,2] 刘金婷[1,2] 李红[1,2,3]

OU Jianxin;WU Yin;LIU Jinting;LI Hong(School of Psychology,Shenzhen University,Shenzhen 518060,China;Shenzhen Key Laboratory of Affective and Social Cognitive Science,Shenzhen 518060,China;Shenzhen Institute of Neuroscience,Shenzhen 518060,China)

机构地区：[1]深圳大学心理学院,深圳518060 [2]深圳市情绪与社会认知科学重点实验室,深圳518060 [3]深圳市神经科学研究院,深圳518060

出　　处：《心理科学进展》

基　　金：国家自然科学基金(31671150,31600928);广东省普通高校创新团队建设项目(2015KCXTD009);广东省省级基础研究及应用研究重大项目(2016KZDXM009);深圳市基础研究布局项目(JCYJ20150729104249783,JCYJ20170818110103216,JCYJ20170412164413575);深圳市孔雀计划项目(KQTD2015033016104926)

年　　份：2020

卷　　号：28

期　　号：1

起止页码：111-127

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、CSSCI、CSSCI2019_2020、JST、NSSD、PUBMED、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：抑郁症是一种复杂而异质的精神疾病,给全球带来沉重的疾病负担。尽管基于症状学的诊断方法已被广泛应用于各领域,但这种方法并不利于病理机制的探讨。另外,该诊断方法预测效度较低,导致其难以准确评估和比较各种治疗方案的疗效。计算精神病学方法则能通过理论驱动和数据驱动两种互补的方法解决上述问题,从而提高对抑郁症的认识、预防和治疗。理论驱动方法基于经验知识或假设,利用计算建模方法对数据进行多水平分析;数据驱动方法则基于机器学习算法分析高维数据,提高抑郁症诊断和预测的准确性,进而提高治疗的精准度。理论驱动和数据驱动方法的发展与结合,以及人才和资源的整合,将会更有效地推进抑郁症的防治。

关 键 词：抑郁症 计算精神病学  计算模型  机器学习  诊断  治疗  

分 类 号：R395[心理学类]