マルチコホート機械学習と説明可能なAIに基づく晩年のうつ病の異文化的な予測モデル

科学分野:

• ゲロントロジー
• 計算精神科
• 公衆衛生

背景:

• 高齢者のうつ病は 世界的な健康問題です
• 高齢者のうつ病のリスク要因は 集団によって大きく異なります
• この集団において 鬱を予測するための 信頼できるツールが必要です

研究 の 目的:

• 60歳以上の成人のうつ病を予測するための機械学習 (ML) モデルを開発し,検証する.
• モデル開発と外部検証のために,米国と中国の調和したデータを活用する.
• モデルが確固たるものであることと 臨床応用で解釈可能なことを保証する.

主な方法:

• 健康と退職に関する研究 (HRS) と中国の健康と退職に関する長期的研究 (CHARLS) の調和したデータを使用した.
• ボルタアルゴリズムは特徴の選択を行い,17のMLアルゴリズムが評価されました.
• モデル性能は,AUC,決定曲線分析,校正グラフ,SHAP値を用いて評価され,CHARLSデータによる外部検証が行われました.

主要な成果:

• Gradient Boosting Machine (GBM) モデルは優れた性能を示し,AUC 0. 752 (トレーニング),0. 763 (内部検証),0. 717 (外部検証) を達成した.
• GBMモデルは様々な値を超えて良好な校正と臨床的有用性を示した.
• SHAPの分析では,自己評価の健康,機能的依存,自己評価の記憶,関節炎,ADLスコアが主な予測要因であることが明らかになった.

結論:

• 末期のうつ病を予測する 堅牢で解釈可能なMLモデルが 開発されました
• このモデルは,文化的に異なる集団 (米国と中国) の間で一般化できることを示しています.
• 発見は,一般的な予測要因を強調しながら,集団特有の臨床的検討の必要性を強調しています.