使用机器学习算法预测胃肠道病患者焦虑抑郁并发症综合征 (ADCS-GI)
Min Tan1,2, Jinjin Zhao1, Yushun Tao1,2
1Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, 518055, China.
BMC psychiatry
|March 19, 2025
概括
机器学习可以准确地检测胃肠道病患者的焦虑抑郁并发症综合征 (ADCS). 这种方法为心理障碍提供了客观的,无问卷的早期发现和干预.
科学领域:
- 胃肠病学 胃肠病学
- 精神病学是一个精神病学.
- 机器学习 机器学习
背景情况:
- 在胃肠道病患者 (ADCS-GI) 中诊断焦虑抑郁并发症综合征是具有挑战性的,因为患者的不情愿和医疗保健专业的局限性.
- 传统的ADCS-GI诊断方法不足,需要客观的诊断工具.
研究的目的:
- 探索机器学习 (ML) 的潜力,以客观诊断ADCS-GI.
- 开发和比较用于识别ADCS-GI的ML模型,尽量减少对主观患者问卷的依赖.
主要方法:
- 分析了1186名ADCS患者的数据,使用量化,平衡和相关性分析.
- 八个ML模型 (高斯的天真贝斯,SVC,K-邻居,随机森林,XGB,CatBoost,布森林,决策树) 被评估了预测的有效性.
- 模型被训练和测试以评估没有主观问卷数据的表现.
主要成果:
- 决策树和K-最近邻近模型在检测ADCS.中实现了超过81%的准确性和灵敏度.
- 对于中度至严重的病例,这些模型的准确性达到>88%,灵敏度达到90%.
- 没有问卷训练的ML模型在早期检测方面表现出有希望的表现.
结论:
- 机器学习算法有效地识别胃肠病患者的ADCS.
- ML有助于在胃肠病治疗中早期发现和干预心理障碍.
- 客观,无问卷的ML工具可以改善ADCS诊断和管理.
