Hepatitis B患者における機械学習戦略に基づくうつ病リスク予測モデルの構築

科学分野:

• 肝臓病学
• 精神医学
• 機械学習

背景:

• B型肝炎（HBV）感染は、うつ病を含む重大なメンタルヘルスのリスクをもたらします。
• HBV患者の現在のうつ病スクリーニング方法には、客観的な予測ツールが欠けています。
• この研究は、HBV患者における効率的なうつ病リスク評価の必要性に対処します。

研究 の 目的:

• B型肝炎患者のうつ病に対する機械学習ベースのリスク予測モデルを開発すること。
• この集団におけるうつ病リスクに影響を与える主要な特徴を特定すること。
• B型肝炎患者のメンタルヘルス管理戦略を強化すること。

主な方法:

• 人口統計学的、食事、身体的、実験室的、およびアンケートデータのためにNHANESデータベースを利用しました。
• 特徴選択のためにランダムフォレストを、予測のために5つの機械学習モデル（MLPClassifier、Gradient Boosting、Logistic Regression、AdaBoost、LDA）を適用しました。
• AUC、精度、リコール、適合率、F1スコア、ROC曲線、キャリブレーション曲線、およびDCAを使用してモデルのパフォーマンスを評価しました。

主要な成果:

• 全ての5つのモデルは、HBV患者のうつ病リスクに対して強力な予測性能を示しました。
• MLPClassifierは最高のパフォーマンスを達成しました（AUC：0.935、リコール：0.980、F1スコア：0.917）。
• 重要な予測因子には、肝機能（ビリルビン、アルカリホスファターゼ）、電解質バランス（カリウム）、炎症（RDW、リンパ球）、および社会経済的要因（貧困-所得比、人種）が含まれていました。

結論:

• B型肝炎患者のうつ病リスクを予測するための効率的かつ客観的な機械学習モデルが開発されました。
• このモデルは、正確なスクリーニングと個別化されたメンタルヘルス管理のための新しいツールを提供します。
• 調査結果は、HBV関連うつ病における生理学的、生化学的、および社会経済的要因の相互作用を強調しており、将来の介入に情報を提供します。