预测情绪障碍治疗反应中的机器学习:系统性审查和元分析
Joshua Curtiss1, Christopher DiPietro2
1Center for Cognitive and Brain Health, Department of Applied Psychology, Northeastern University, United States of America; Psychiatry Department, Massachusetts General Hospital/Harvard Medical School, United States of America.
Clinical psychology review
|June 10, 2025
概括
机器学习 (ML) 显示出预测情绪障碍治疗反应的前景,平均准确率为0.76. 根据数据类型和方法严谨性,预测准确性有所不同,突出了未来改进的领域.
科学领域:
- 精神病学和心理健康 精神病学和心理健康
- 计算神经科学是一种神经科学.
- 医疗信息学 医疗信息学
背景情况:
- 情绪障碍对全球健康构成重大负担.
- 需要个性化治疗策略来改善患者的治疗结果.
- 机器学习 (ML) 提供了预测治疗反应的潜力.
研究的目的:
- 评估ML算法在预测情绪障碍治疗反应中的准确性.
- 识别影响ML预测准确性的调节者.
- 综合有关个人化心理治疗和药物治疗的ML证据.
主要方法:
- 根据PRISMA指南进行了全面的元分析.
- 包括155项预测二元治疗反应的研究 (响应者与非响应者).
- 合成预测准确性的元分析技术,并检查调节者.
主要成果:
- 总体平均预测准确度为0.76 (AUC为0.80),表明了良好的区别.
- 神经成像数据的准确性高于临床/人口预测指标.
- 强大的交叉验证和更高的响应率与更高的准确性有关.
结论:
- ML方法显示了预测情绪障碍治疗反应的潜力.
- 预测准确度受到预测器类型和方法严格的影响.
- 未来的研究应该加强方法的完整性,并探索多式联运数据集成.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
05:19Author Spotlight: Therapeutic Benefit of Closed-Loop Deep Brain Stimulation in Depression Treatment
Published on: July 7, 2023
2.2K
