《Biological Psychiatry: Cognitive Neuroscience and Neuroimaging》：Precision approaches for scalable digital and clinic-based interventions in mental health
编辑推荐：
常见的心理健康问题如抑郁、焦虑和物质使用障碍是重要致残因素，现有治疗容量不足且效果有限，需通过数字干预结合基因和电子病历的数据科学方法实现精准治疗匹配，提升可及性及疗效。
艾米·S.B. 博纳特（Amy S.B. Bohnert）| 拉尔斯·弗里奇（Lars Fritsche）| 斯里詹·森（Srijan Sen）
密歇根大学医学院麻醉学系，美国密歇根州安娜堡市 48109
摘要
抑郁症、焦虑症和物质使用障碍等常见的心理健康问题严重影响了患者的生活质量并导致残疾。然而，由于临床医生的数量不足，针对这些问题的治疗工作受到了阻碍。此外，一线治疗方法（药物和临床咨询）的效果有限，且缺乏指导治疗决策的数据支持。因此，许多患者需要多年才能找到适合自己的治疗方法，而越来越多的患者面临漫长的等待时间。为了克服这些挑战，我们需要可扩展且创新的解决方案，以增加医疗服务的可及性，并根据每位患者在特定时间点的独特需求提供个性化的治疗。
由于数字干预措施成本低且易于扩展，它们成为提升医疗服务能力的潜在工具。然而，这些通常通过应用程序提供的干预措施并未实现较高的用户参与度，对多种心理健康症状和状况的治疗效果也较为有限，因此未能有效缩小治疗差距。
本文探讨了通过精准医疗手段（包括数字和传统方式）提供心理健康干预的潜力，以改善整体治疗效果。移动技术、基因数据和电子健康记录（EHR）能够收集与心理健康密切相关的信息。这些数据为现代数据科学方法提供了关键支持，有助于更精准地匹配患者与治疗方案，并调整数字干预措施的具体时间、剂量和内容。
部分内容摘要
局限性与注意事项
本文指出了在针对常见心理健康问题的临床治疗和数字治疗中实施精准医疗的必要性，提出了能够快速提高治疗匹配准确性的关键测量指标，以及这一新兴临床研究领域所需的数据科学工具。不过，我们所描述的研究策略也存在一些潜在的局限性。首先也是最关键的一点是，现有的治疗算法或决策辅助工具尚未准备好在大规模应用中发挥作用。
结论
总体而言，数字干预措施有望提升我们的心理健康服务体系的能力。此外，运用精准医疗方法有望改善数字和传统心理健康干预的效果。具体而言，通过整合多种数据来源，并运用机器学习、强化学习及因果推断等先进的数据科学方法，可以针对个体需求定制治疗方案，从而克服当前存在的局限性。
致谢
作者得到了美国国家心理健康研究所（National Institute of Mental Health）的支持（资助编号：U01MH136025 和 R01MH131617）。
财务披露
作者没有需要报告的生物医学财务利益或其他潜在利益冲突。
