机器学习模型的探索,使用自我评分问卷来检测乳腺癌患者的抑郁症
Heeseung Park1,2,3, Kyungwon Kim2,4,5, Eunsoo Moon2,4,5
1Breast Cancer Clinic of Busan Cancer Center, Pusan National University Hospital, Busan, Korea.
概括
机器学习模型有效地选乳腺癌患者的抑郁症. 结合贝克抑郁 inventory (BDI) 和医院焦虑和抑郁量表 (HADS) 显示出最高的预测准确度.
科学领域:
- 在瘤学瘤学.
- 精神病学是一个精神病学.
- 医疗信息学 医疗信息学
背景情况:
- 乳腺癌的治疗造成了严重的痛苦,需要有效的抑郁查.
- 早期发现抑郁症对于在治疗期间管理患者的福祉至关重要.
研究的目的:
- 开发和评估一种机器学习模型,用于使用自我报告问卷对乳腺癌患者查抑郁症.
- 为了比较不同机器学习分类器和问卷组合的性能.
主要方法:
- 利用来自327名乳腺癌患者的数据,通过患者健康问卷-9 (PHQ-9),贝克抑郁 inventory (BDI) 和医院焦虑和抑郁量表 (HADS) 评估抑郁症状.
- 雇员监督机器学习算法,包括逻辑回归和线性差异分析,在MATLAB 2022中实施.
- 抑郁症的诊断遵循精神疾病诊断和统计手册第五版的标准.
主要成果:
- 使用BDI的物流回归模型实现了曲线下的面积 (AUC) 为0.785.5.
- 使用HADS和PHQ-9进行线性差异分析,AUC分别为0.784和0.756.
- 将BDI和HADS与后勤回归相结合,得出最高AUC为0.812,同时将所有三种尺度结合,得出AUC为0.807.
结论:
- 使用BDI和HADS的组合模型显示,与单级方法相比,乳腺癌患者的抑郁查性能优于单级方法.
- 未来的研究应该探索将基于问卷的方法与其他方法相结合,以进一步提高模型性能.
