解釈可能な機械学習モデルを使用して,ソマティック症候群障害を有する外来患者の過去1年間の自己報告自殺傾向を特定する:オンライン計算機を使った多センター研究
Xing Wang1, Shuixiu Lai2, Peng Wang3,4
1Department of Neurosis and Psychosomatic Diseases, Huzhou Third Municipal Hospital, The Affiliated Hospital of Huzhou University, Huzhou, Zhejiang, China.
BMC psychiatry
|February 17, 2026
まとめ
新しいモデルは,通常のデータを用いて,自殺傾向のリスクの高い体症状障害 (SSD) の患者を正確に特定します. このツールは,SSDを持つ個人の自殺リスク評価の優先順位を決めるのに臨床医を助けます.
科学分野:
- 精神科医は精神病を患っている.
- 臨床心理学の臨床心理学について
- 医療情報工学 医療情報工学
背景:
- 身体症状障害 (SSD) は,自殺傾向のリスクの増加と関連しています.
- 限られたツールは,緊急の自殺評価のための高リスクSSDの外科医を特定するために存在します.
- 常規の外科患者のデータを用いて解釈可能なモデルを開発することは,リスクの階層化にとって極めて重要です.
研究 の 目的:
- SSDの成人の過去1年間の自殺リスクの階層化のための解釈可能なモデルを開発し,検証する.
- 自殺傾向を予測するために,日常的に利用可能な外来患者のデータを活用する.
- 優先度の高い自殺リスク評価のための臨床的に実装可能なツールを作成する.
主な方法:
- DSM-5で定義されたSSDを持つ899人の成人 (18~60歳) のマルチセンター登録を分析した.
- 予測者は,LASSOとBorutaの方法を使用して選択されました.
- 8つのアルゴリズムを訓練し,クロス検証を使用して比較した. トップモデルは,校正と決定曲線分析で検証された. SHAP値はモデル予測を説明した.
主要な成果:
- ランダムフォレスト (RANGER) モデルは,前年の自殺傾向 (19.9%の流行率) を予測する上で高い差別性 (AUC=0.978) を達成した.
- 重要な予測要因には,不眠症の重症度,マインドフルネスの側面,神経心理学的評価のスコアが含まれていました.
- このモデルは,良好な校正と良好な臨床的純利益を示した.
結論:
- 解釈可能なRANGERベースのモデルは,SSDの外科医の自殺リスクを効果的に分類します.
- このモデルは,強力な内部性能と臨床的有用性を示しています.
- ウェブ計算機が用意されていますが,通常の使用前に外部検証と将来性研究が必要です.
