使用基线临床变量预测针治疗主要抑郁症的疗效:一项机器学习研究
Jiani Fu1, Xiaowen Cai1, Shengtao Huang1
1School of Traditional Chinese Medicine, Southern Medical University, Guangzhou, China.
Journal of psychiatric research
|October 28, 2023
概括
这项研究开发了一个机器学习模型来预测针治疗主要抑郁症 (MDD) 的疗效. XgBoost模型准确地识别了可能从针中受益的患者,帮助治疗决策.
科学领域:
- 综合医学是一个整体的医学.
- 计算精神病学是一种计算精神病学.
- 临床神经科学 临床神经科学
背景情况:
- 针在治疗主要抑郁症 (MDD) 方面表现有前途,但患者的反应各不相同.
- 预测个体治疗疗效对于优化护理至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测MDD患者针治疗的疗效.
- 确定预测治疗反应的关键基线临床变量.
主要方法:
- 利用了来自五个研究中心的124名MDD患者的数据,他们接受了为期6周的针治疗.
- 使用最大相关性和最小冗余性 (mRMR) 和皮尔森相关性从26个变量中选择特征.
- 对比了五种机器学习模型 (逻辑回归,SVM,KNN,随机森林,XgBoost) 的预测性能,使用汉密尔顿抑郁量表-17 (HAMD-17) 评分.
主要成果:
- XgBoost模型实现了最高的性能,AUC为0.835,准确度为0.730,灵敏度为0.670,特异性为0.774,F1得分为0.751.
- 针疗效的关键预测因素包括焦虑评分 (自我评价抑郁症量表),传统中医心脏和脏缺陷综合征和身体质量指数 (BMI).
结论:
- 一个机器学习模型有效地预测了MDD的针治疗结果.
- 这种预测工具可以帮助临床医生识别最有可能从针中受益的患者,提高临床决策和治疗效率.
