在NIHR Maudsley生物医学研究中心资助并在英国出版的新研究部分中，机器学习和神经成像技术被用于根据大脑结构准确区分具有分离性身份障碍（DID）的个体和健康个体。精神病学杂志。
 
研究人员对75名女性研究参与者进行了MRI（磁共振成像）脑部扫描-其中32名患者经过独立确诊的DID诊断，43名患者为健康对照者。两组人员的年龄，教育年限和血统都经过精心匹配。
 
使用机器学习技术识别脑部扫描中的模式，研究人员能够区分两组，总体准确度为73％，显着高于您偶然预期的准确度。
 
这项研究使用有史以来最大的DID个体样本进行脑成像研究，首次证明DID患者可以根据其大脑结构与健康个体进行区分。
 
DID，以前称为“多重人格障碍”，是最具争议和争议的精神疾病之一，在诊断和误诊方面存在严重问题。许多DID患者有多年误诊，药物治疗效率低和多次住院的历史。
 
它是所有解离性疾病中最严重的，涉及多种身份状态和复发性遗忘。当大脑和人格仍在发展时，解离被用作在童年时期复杂和持续创伤中存活的一种方式，可能会产生游离性疾病。
 
伦敦国王学院精神病学，心理学和神经科学研究所心理医学系高级研究员Simone Reinders博士领导了多中心研究，涉及荷兰的两个中心，格罗宁根大学医学中心和阿姆斯特丹医疗中心，还有一个来自瑞士的苏黎世大学医院。
 
评论研究时，Reinders博士说：“DID诊断存在争议，DID患者常被误诊。从寻求症状治疗到准确诊断DID的那一刻起，个人平均接受四次误诊和消费。精神卫生服务七年。
 
“我们目前的研究结果很重要，因为它们提供了区分患有DID的个体和健康个体的生物学基础的第一个证据。最终，模式识别技术的应用可以通过更早和更准确的诊断来预防不必要的痛苦，促进更快和更有针对性的治疗干预措施。