人工智能可以跟踪大量与偏头痛没有特定关系的健康数据，但可以用来识别易患偏头痛的人。
挪威科技大学 NTNU 的一项新研究表明，偏头痛会在全身留下生物模式，人工智能可以识别其痕迹。
偏头痛的诊断存在许多不一致之处。看起来人工智能可以帮助我们做出正确的诊断。”
Anker Stubberud，挪威科技大学医师兼头痛研究员
研究人员使用人工智能分析了在全县范围的健康研究 Helseinsøksesen i Trøndelag (HUNT) 中从 43,000 多名参与者收集的信息。
研究表明，这种疾病可以通过遗传、临床特征和环境因素之间复杂的相互作用来识别。
“偏头痛是世界范围内的一个主要健康问题，对生活质量有相当大的影响。准确的诊断非常重要，这样人们才能得到最好的治疗，”Stubberud 说。
一个重要的公共卫生问题
世界上一半的人口患有头痛。对于某些人来说，头痛非常严重，以至于患有偏头痛。
偏头痛的症状包括抽动性头痛、对光和声音敏感、呕吐和恶心。该疾病影响了 15% 的挪威人口，是 50 岁以下女性残疾的主要原因。
识别偏头痛的一个挑战是诊断完全基于症状。
“没有血液测试或其他生物测试可以用作诊断过程的一部分。我们所拥有的只是患者对症状的描述。如果诊断不正确，治疗也可能达不到目标。因此，我们正在探索是否可以识别生物标记来帮助从业者做出正确的诊断，”Stubberud 说。
这就是人工智能发挥作用的地方。
区分偏头痛患者与健康人
研究人员开发了一种人工智能模型，可以区分偏头痛患者和没有头痛的人。该模型没有接收有关参与者头痛症状的信息，而是基于年龄、性别和一般健康信息等数据。
“这些信息包括从便秘、药物使用到背痛的所有内容。我们纳入了 60 个不同的变量。人工智能能够在不了解头痛本身的情况下如此准确地识别偏头痛，这一事实表明，这种情况留下的痕迹远远超出了发作范围，”Stubberud 说。
该研究不仅表明偏头痛具有独特且可追踪的生物学特征，而且还揭示了几个以前隐藏的偏头痛亚组。
四种不同形式的偏头痛
研究人员使用人工智能独立寻找数据模式的方法，对 12,000 多名患有不同形式头痛的人进行了分析。分析最初确定了两个不同的主要群体。
第一组由 1,425 人组成，其中 90% 以上符合偏头痛标准。
其余的人（10,760 人）患有其他类型的头痛，仅部分符合偏头痛的标准或完全患有其他形式的头痛。
这表明人工智能能够识别出独立于传统诊断标准的独特偏头痛特征。最有趣的发现是当研究人员分析偏头痛组并发现四个具有不同特征的亚组时：
1.全男性团体
这个亚组显然很突出，因为所有参与者都是男性。这一发现可能表明，男性偏头痛具有独特的特征，当研究人员将女性和男性放在一起观察时，这些特征常常被掩盖。
2.颈部疼痛明显的一组
这组人除了偏头痛外还报告了严重的颈部疼痛。
这可以为人们对颈部疼痛和偏头痛之间众所周知但仍存在争议的关系提供新的见解。
3. 存在广泛的肌肉骨骼疼痛、焦虑和抑郁的人群
该亚组全身性疼痛、心理健康问题和其他健康问题的患病率较高。
这可能代表一种更复杂的偏头痛形式，其中同时涉及多个生物系统。
4. 典型偏头痛组
后一组的症状更符合偏头痛的既定定义，包括偏头痛先兆，而没有其他组所特有的明显的额外健康问题。
偏头痛先兆是一组暂时性的神经系统症状，可能在发作前或发作期间出现。这些通常是视觉障碍，例如闪烁的灯光、之字形图案、盲点或明亮区域，但也可能涉及刺痛或麻木、说话困难或其他神经系统症状。
遗传学支持了这些差异
研究人员还比较了各组之间的遗传模式，以调查这些亚组是否存在生物学差异。
传统上，已建立的风险评分用于根据许多小的遗传变异来计算疾病的遗传风险。在挪威科技大学的研究中，研究人员还测试了基于人工智能的新型遗传风险模型。
结果表明，AI 能够更好地区分不同的偏头痛组。
“这强化了这样的假设：偏头痛不是一种单一的疾病，而是一组不同的生物状况，”斯图伯鲁德说。
它可以为更个性化的治疗铺平道路
该研究表明，未来的诊断可能会变得更加数据驱动，除了医生的临床判断和患者对症状的描述之外，还提供了额外的工具。
“到目前为止，医疗保健领域人工智能的大部分研究都仅基于数字和统计数据。人工智能应该在寻求头痛医疗帮助的患者身上进行测试。这项研究仍然缺乏。这些人工智能工具尚未在临床实践中进行测试，”Stubberud 说。
他指出，如果不同形式的偏头痛确实有不同的生物学原因，这也可能对治疗产生影响。
“有些患者对某些药物或预防措施的反应可能比其他患者更好，”斯图伯鲁德说。
来源：
挪威科技大学 (NTNU)
期刊参考文献：