在老年巴西人样本中使用非语言工作记忆任务对抑郁和焦虑进行查:初步人工智能模型可转移性的观察性研究

科学领域:

• 数字健康数字健康
• 医疗保健中的人工智能
• 老年人的心理健康

背景情况:

• 焦虑和抑郁是常见的,但在老年人中往往没有被诊断出来.
• 由人工智能驱动的远程工具可以帮助查和监测心理健康.
• 文化适应性对于这些人工智能工具的有效性至关重要.

研究的目的:

• 评估人工智能模型用于抑郁和焦虑检测的初步可转移性.
• 通过使用巴西老年人的新数据集来验证在非语言任务上训练的AI模型.
• 探索AI心理健康工具在不同文化中的通用性.

主要方法:

• 使用了两个随机森林人工智能模型,最初对来自不同国家的6000多名参与者进行了培训.
• 在69名老年巴西成年人 (51-92岁) 上测试了模型,使用远程仪表板与n-back任务.
• 抑郁症和焦虑症的分类是基于患者健康问卷 (PHQ-8) 和通用焦虑症 (GAD-7) 的得分.

主要成果:

• 抑郁症模型的AUC值为0.78 (灵敏度为0.72,特异性为0.69).
• 焦虑模型实现了0.63的初始AUC (灵敏度0.64,特异性0.58).
• 性能超过了仅使用年龄和性别的基准模型.

结论:

• 对抑郁症和焦虑症分类的AI模型证明了初步的可转移性到巴西老年人.
• 这表明了文化适应性AI心理健康评估工具的潜力.
• 建议对更大,多样化的样本进行进一步验证.