新刊推荐 | Nature Mental Health 最新数字化精神健康专题集锦，欢迎阅读！

期刊介绍

Nature Mental Health 是 Nature Portfolio 旗下的一本年轻期刊，旨在汇集精神疾病的基础神经生物与心理因素方面的创新研究，以及探讨公共卫生危机影响的当代研究。Nature Mental Health 以宽广的视角看待心理健康与个体健康之间的关系，心理健康不仅对个人的幸福和发展至关重要，也对家庭、社区和社会的稳定和繁荣发展起着重要的作用。

Nature Mental Health 是一个跨学科的综合平台，是精神卫生及相关疾病方面高质量、高影响力的多学科研究的联系纽带。与其他《自然》研究期刊一样，Nature Mental Health 的所有编辑决策均有全职专业编辑团队做出，拥有严谨和独立的编辑标准。本刊致力于推广学术研究，增加学术交流，并加强全球精神健康研究团体之间的联系。

专题集锦

本期专题集锦我们将带大家走进编辑精选的文章合集，重点介绍将数字技术应用于心理健康研究和精神病学的创新方法，如机器学习、人工智能和远程医疗。

本合集分为精神健康中的机器学习方法与应用，和拓展数字化精神与心理健康领域两大主题。

精神健康中的机器学习方法与应用

利用常规收集的临床信息预测首发精神病发作的治疗抵抗性

Predicting treatment resistance from first-episode psychosis using routinely collected clinical information

论文导读：

约有四分之一的首次精神病发作（FEP）患者会发展为难治性精神分裂症，但目前尚无既定的临床实用方法可以作为基线来预测这一情况。我们旨在探索在 FEP 发作时，利用常规收集的客观生物医学预测因子，将氯氮平使用作为难治性精神分裂症的替代指标的预测潜力，并在另一个 FEP 发作患者的独立临床样本中对该模型进行外部验证。使用常规收集的临床信息（包括在 FEP 发病时采集的基于血液的生物标记物）有助于预测使用氯氮平的个体风险，在大规模预测精神病结果的工作中，应将其与症状评分等其他潜在有用信息同等对待。

上滑查看论文导读

基于机器学习的PTSD心理治疗预测脑电图特征识别

Machine learning-based identification of a psychotherapy-predictive electroencephalographic signature in PTSD

论文导读：

尽管心理治疗是目前治疗创伤后应激障碍（PTSD）最有效的方法，但其疗效对于许多患者来说仍然有限，这主要是由于该疾病存在显著的临床和神经生物学异质性。通过对大脑连接数据进行机器学习来开发治疗预测算法，可以促进我们对 PTSD 及其治疗的神经生物学机制的了解。使用低成本且易于收集的脑电图（EEG）数据，可以进一步促进此类算法针对 PTSD 患者的临床转化。本研究调查个体患者静息态脑电图连接是否可以预测 PTSD 的心理治疗结果。

上滑查看论文导读

拓展数字化精神与心理健康领域

精确行为表型作为揭示精神病理学生物学相关性的策略

Precision behavioral phenotyping as a strategy for uncovering the biological correlates of psychopathology