临床PreAI:一种代理人工智能系统,用于从多模式EHR数据中预测早期产后抑郁症风险
Daniel Palacios1,2,3, Sukru Aras4,2,3, Yi Zhong4,2,3
1Quantitative Computational Biosciences, Baylor College of Medicine, Houston, Texas 77030, USA.
medRxiv : the preprint server for health sciences
|December 3, 2025
概括
一个新的AI系统ClinPreAI,可以使用电子健康记录预测产后抑郁症 (PPD) 风险. 这种自主代理改善了早期识别,使先进的预测建模更容易获得母亲的心理健康.
科学领域:
- 人工智能的人工智能
- 临床信息学 临床信息学
- 心理健康 心理健康
背景情况:
- 产后抑郁症 (PPD) 每年影响10-15%的母亲,早期诊断是一个重大的临床挑战.
- 现有的PPD风险预测方法往往缺乏在临床环境中的效率和可访问性.
研究的目的:
- 引入ClinPreAI,一个专为自主开发和评估PPD风险预测模型而设计的代理人工智能系统.
- 利用多式联网电子健康记录 (EHR) 数据,提高PPD预测的准确性.
主要方法:
- 分析了来自4,161名孕妇的EHR数据,包括27个结构化临床变量和社会工作者笔记.
- 开发和实施ClinPreAI,一个具有5个模块的代理人工智能系统,用于通过自主实验来代模型改进.
- 使用爱丁堡产后抑郁量表 (EPDS) 评分≥10作为主要结局的预测性表现的评估.
主要成果:
- 在结构化数据上,ClinPreAI获得了0.68±0.03的F1得分,超过了传统的AutoML和商业解决方案.
- 在多模式数据上,ClinPreAI获得了0.65±0.04的F1得分,与定制的LLM-XGBoost相匹配,并且表现优于零射击模型.
- 证明了代理人工智能在为临床应用民主化复杂的预测建模方面的能力.
结论:
- 像ClinPreAI这样的代理人工智能系统可以自动设计,实施和评估临床预测工具.
- 这种方法降低了在医疗保健中开发强大的预测模型的障碍,特别是在ML专业知识有限的地方.
- ClinPreAI代表了应用自主人工智能的重大进展,用于围产期心理健康预测和临床决策支持.
