Konklusionen stammer fra en artikel publiceret i JAMA Psychiatry. 

Ifølge førsteforfatteren Rosa Lundbye Allesøe, fra Psykiatrisk Center København, har man ikke i dag objektive markører, som kan hjælpe med at stille en psykiatrisk diagnose og forudse sygdomsforløb. 

En avanceret form for kunstig intelligens kendt som deep learning (en subspecialitet af machine learning) har vist sig at kunne hjælpe med at forudse risici for diagnoser på andre medicinske områder, såsom brystkræft og hjertestop. 

Der har også været undersøgelser vedrørende psykiske lidelser. Men tidligere studier har ifølge forfatterne været begrænset af en række faktorer, blandet andet relativt få personer involveret og kun en enkelt diagnose eller effektmål undersøgt. Generelt afspejler disse undersøgelser ikke den kliniske virkelighed. 

"Tidligere resultater med machine learning og med traditionel statistik har resulteret i modeller, som ikke nemt kan generaliseres eller anvendes klinisk", skriver forfatterne. 

Forskerne har derfor i nuværende studie indsamlet data som bedre afspejler den kliniske virkelighed. 

De analyserede oplysninger fra personer født mellem 1981 og 2005, herunder en række demografiske, kliniske og genetiske data som er tilgængelige i offentlige registre og forskningsdatabaser. 

Der blev inkluderet 63.535 personer i modellen. De var i gennemsnit 23 år gamle, og 45% var kvinder. De var kendt med enten ADHD, autisme, depression, bipolar lidelse eller skizofreni. Blandt deltagerne var der også raske kontrolpersoner. 

På baggrund af data før diagnoserne blev stillet, kunne modellen baseret på deep learning med høj nøjagtighed forudse, hvilken diagnose personerne senere ville få stillet (area under the curve: 0,81, accuracy: 44%) 

Forskerne konkluderer, at forudsigelser om, hvorvidt en person får en psykiatrisk diagnose, baseret på registerdata kombineret med genetisk data, kan blive en mulighed.