寻找基于机器学习和代谢学研究的老年人高血压抑郁症的最佳预测模型
Jiangling Guo1,2, Jingwang Zhao3, Peipei Han1
1Department of Rehabilitation Medicine, Shanghai University of Medicine and Health Sciences Affiliated Zhoupu Hospital, Shanghai, China.
Frontiers in psychiatry
|July 12, 2024
概括
机器学习和代谢学准确预测高血压老年人的抑郁症. 这项研究确定了关键的代谢变化,有助于早期诊断和临床研究这种常见的并发症.
科学领域:
- 老年学是指老年学的学科.
- 代谢学 代谢学 代谢学
- 计算生物学 计算生物学
背景情况:
- 抑郁症在老年人中经常与高血压同时发生,这给诊断带来了挑战.
- 在高血压的老年人中,准确诊断抑郁症对于有效管理至关重要.
研究的目的:
- 用机器学习和代谢学来开发高血压患者抑郁症的预测模型.
- 为了确定特定的代谢物和代谢途径,与高血压的伴随性抑郁症相关.
主要方法:
- 从中国社区招募了379名老年人 (≥65岁).
- 使用气体染色学/液体染色学-质谱学 (GC/LC-MS) 分析了血样本.
- 采用机器学习算法 (例如,bayesNet,随机森林),用于预测10倍交叉验证.
主要成果:
- 确定了19个GC-MS和65个LC-MS代谢物,显著区分了抑郁和非抑郁的高血压队列.
- 使用WEKA软件选了12种具有最佳诊断价值的代谢物组合.
- 在bayesNet和随机森林模型中,曲线下的实现面积 (AUC) 值>0.9.
结论:
- 在伴随抑郁症和高血压的老年人中观察到代谢物和代谢途径的显著变化.
- 代谢学与机器学习相结合,为预测高血压老年人的抑郁症提供了一个有希望的方法.
- 这些发现支持进一步的临床研究,以改善诊断和治疗策略.
