在胰腺癌患者中使用炎症生物标志物的基于机器学习的抑郁症分类
Yang-Chen Shen1, Po I Wu2, Cheng-Feng Lin3
1Institute of Behavioral Medicine, College of Medicine, National Cheng Kung University, Tainan, Taiwan.
The Kaohsiung journal of medical sciences
|August 25, 2025
概括
炎症与胰腺癌和抑郁症有关. 像C反应蛋白 (CRP) 和中性粒细胞与淋巴细胞的比率 (NLR) 等炎症标志物的升高预测癌症患者的抑郁,有助于早期检测.
科学领域:
- 癌症学
- 精神病学
- 生物医学数据科学
背景情况:
- 炎症是胰腺癌和抑郁症的一个已知因素.
- 在癌症患者中发现抑郁症对于有效治疗至关重要.
- 机器学习为分析复杂的临床数据提供了新的方法.
研究的目的:
- 研究胰腺癌患者抑郁症炎症标志物的预测价值.
- 使用机器学习和统计模型探索炎症和抑郁症之间的临床关联.
- 评估常规收集的临床数据在确定抑郁风险方面的有用性.
主要方法:
- 在328名胰腺癌患者的数据上使用机器学习模型 (逻辑回归,随机森林,SVM,XGBoost).
- 使用患者健康问卷-9 (PHQ-9) 评估抑郁症.
- 采用调整重要性分析和概括估计方程来识别关键预测因素.
主要成果:
- 机器学习模型对抑郁症具有中等的辨别能力 (AUC: 0. 70- 0. 72).
- 鉴定出C反应蛋白 (CRP) 和中性粒细胞与淋巴细胞的比率 (NLR) 是抑郁症的关键预测因素.
- 增加的CRP (OR=1. 32) 和NLR (OR=1. 55) 独立地与抑郁症相关.
结论:
- 炎症标志物,特别是CRP和NLR,可以帮助识别患有抑郁症的胰腺癌患者.
- 这些发现强化了这一群体中炎症和抑郁症之间的重要联系.
- 结合炎症标志物的机器学习模型显示了早期抑郁症检测和瘤治疗干预的前景.
