一项具有开创性的多中心研究涵盖了全球约 3,500 名 10 至 25 岁的个体，结果表明人工智能 ( AI )，特别是机器学习算法，能够根据独特的脑结构来识别焦虑症。
这项研究由莱顿大学教育与儿童研究学院助理教授、首席研究员 Moji Aghajani 牵头，分析了大脑深层区域的皮质厚度、表面积和体积。.
成果令人鼓舞，但仍有改进空间
尽管研究结果令人鼓舞，但并非完美无缺。为了提高准确性，必须进一步改进算法并纳入更多类型的脑部数据，例如脑功能和连接性。尽管如此，这项研究的成果依然令人瞩目，因为它适用于涵盖不同种族、地理位置和临床特征的各类青少年群体。.
阿加贾尼强调，这项研究有望为焦虑症的预防、诊断和治疗开辟更加个性化的道路。研究人员不再像以往那样关注平均患者，而是转向个体化分析，并借助大型多样化的数据集和人工智能技术，旨在更好地理解焦虑症的潜在神经生物学机制。.
ENIGMA焦虑联盟的作用
莫吉·阿加贾尼（Moji Aghajani）、他的博士后威廉·布鲁因（Willem Bruin）以及来自世界各地的约250名合作者共同组成了ENIGMA焦虑症联盟。该联盟致力于通过汇集和整合来自不同来源的数据并开展大规模分析，从而深入了解焦虑症的神经生物学基础。此类联盟的出现正是为了应对精神病学和行为科学领域面临的可重复性危机，并促进以合作方式推动该领域的发展。.
该研究发表于《自然·心理健康》等权威期刊，凸显了其重要性及其对心理健康研究和临床实践的潜在影响。焦虑症通常在青少年和成年早期出现，在全球范围内构成重大挑战，并导致深重的情感、社会和经济负担。.
莫吉·阿加贾尼强调，我们需要超越传统的心理健康研究方法，这种方法的特点是研究规模小、分析方法简单。通过利用大数据和人工智能，研究人员可以更深入地了解个体差异，并为受焦虑症困扰的人群开发量身定制的干预措施。
来自 ZonMW、NWO 和莱顿大学基金等组织的资助为这项复杂且劳动密集型的研究提供了支持，使研究人员能够拓展对心理健康的理解边界。.
