アルコールに反応する人は? 機械学習のアプローチ

科学分野:

• 神経科学
• 精神科
• データサイエンス

背景:

• アルコール使用障害 (AUD) 研究において,アルコールのシグナル暴露は不可欠です.
• AUD患者のアルコールのシグナル反応には大きな変化がある.
• この異質性を予測する要因を特定することは,標的を絞った介入にとって極めて重要です.

研究 の 目的:

• 機械学習モデルを適用して,主観的なアルコール・キュー・リアクティビティ (ALCUrge) の臨床的および社会統計的予測要因を特定する.
• この文脈で異なる機械学習モデルの予測精度を比較する.

主な方法:

• AUDを患った139人はアルコールのシューエクスポージャーパラダイムを受け,臨床/社会統計データを提供した.
• 主観的なアルコール衝動 (ALCUrge) は,暴露後のアルコール衝動アンケートを使用して測定されました.
• ラッソ回帰,リッジ回帰,ランダムフォレストモデルは予測因子を特定するために使用されました.

主要な成果:

• ラッソ回帰は最も高い予測精度 (RMSE=9. 48) を示し,ランダムフォレストとリッジ回帰を上回った.
• ALCUrgeのトップ予測要因には,前回のアルコール衝動,強迫性アルコール行動,トニックの渇望,喫煙状況,および生物学的性が含まれています.
• 強い衝動,強迫的行動,強烈な嗜好,喫煙は ALCUrge の上昇を予測し 女性は ALCUrge の低下を予測しました

結論:

• この研究は 強いアルコール依存と 誘発された衝動の間の重複を明らかにしています
• 生物学的なセックスと喫煙は,アルコールのシグナル反応の変動に影響を与える重要な要因として浮上した.
• 発見はAUDの異質性についての理解を深め,パーソナライズされた治療戦略を伝えます.