导读 根据 12 月 7 日在线发表在《医学会精神病学》( JAMA Psychiatry ) 上的一项研究，结合遗传学和注册数据的深度学习模型可以在临床
根据 12 月 7 日在线发表在《医学会精神病学》( JAMA Psychiatry ) 上的一项研究，结合遗传学和注册数据的深度学习模型可以在临床评估之前以临床相关的交叉诊断方式预测精神障碍诊断和疾病进展。
来自丹麦哥本哈根大学医院的 Rosa Lundbye Allesøe 及其同事开发了深度学习模型来预测精神障碍的诊断和严重程度。开发基于 63,535 名精神障碍患者(注意力缺陷/多动障碍[ADHD]、自闭症谱系障碍[ASD]、重度抑郁症 [MDD]、双相情感障碍 [BD] 和精神分裂症谱系障碍 [SCZ])和人群控制。
研究人员报告说，在接受者操作特征曲线 (AUC) 下的总面积为 0.81 和马修斯相关系数 (MCC) 为 0.28 的多诊断预测模型(包括背景人群)中预测了特定诊断。单一疾病模型给出的 AUC/MCC 为 SCZ 0.84/0.54、BD 0.79/0.41、ASD 0.77/0.39、ADHD 0.74/0.38 和 MDD 0.74/0.38。
以前的精神障碍和年龄(删除后预测准确度降低 11% 到 23%)是多诊断预测的最重要数据，其次是家庭诊断、出生相关测量和遗传数据(删除后预测准确度降低 3% 到 5%) ). 在预测疾病轨迹时，最严重的病例最容易预测，AUC 为 0.72。
“结果表明，类似于检查前临床环境的多诊断模型可以仅根据注册数据和遗传信息高精度地预测精神障碍诊断，”作者写道。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！