基于试次级听觉oddballERP波形的深度学习：区分精神分裂症与健康对照

事件概述

相关报道显示，研究评估深度学习是否可利用试次级听觉oddball事件相关电位（ERP）波形，将258名精神分裂症患者与142名健康对照进行个体水平分类，并与基于18项传统ERP汇总特征的经典机器学习模型比较。结果显示深度学习在测试集上的区分度更高（AUROC 0.797–0.857），高于经典特征模型（AUROC 0.705–0.720），提示该类ERP波形可能成为与精神分裂症相关神经信息处理的候选电生理生物标志物。

这类研究的意义不只在于提出新的疾病认识，也在于为早筛、分层诊疗和随访管理提供更具体的检测依据。

产业观察

前沿医学研究会持续推动检测技术、临床分层和疾病管理方式的变化。

文章来源

https://www.medrxiv.org/content/10.64898/2026.07.24.26358816v1