基于童年创伤和波谱指标的抑郁症机器学习分类模型

目的:抑郁症的发病率、复发率较高。根据抑郁障碍防治指南,患者从起病到接受系统治疗的平均时间为3年。BI 10773研究购买抑郁症的误诊和迁延病情给患者和社会造成了巨大经济Gefitinib-based PROTAC 3负担。氢质子磁共振波谱是抑郁症等疾病的重要诊断手段之一。然而既往多数研究仅采用波谱等影像指标来预测疾病诊断。抑郁症的发病机制是基于生理-心理-社会的综合模型。仅采集单维度的神经影像信息,易忽略患者重要的临床风险因子。童年创伤是抑郁症的重要风险因子之一。为了提升诊断的准确率,现将童年创伤等指标结合波谱特征,建立预测抑郁症诊androgenetic alopecia断的综合模型。方法:根据DSM-5诊断标准,共入组72例未经治疗的18-50岁抑郁症患者,招募30名不伴童年创伤的健康对照。现检测被试双侧前额叶白质、前扣带回皮质、壳核和小脑的胆碱和N-乙酰天门冬酸与肌酸的比值,联合情感虐待、情感忽视、躯体虐待、躯体忽视、性虐待以及性别、年龄、教育年限共28个特征指标,预测标签为抑郁患者或健康对照。采用可优化的最近邻(K-Nearest Neighbor,KNN)模型,对比预测变量为28个全特征和仅20个波谱特征的模型,采用十折交叉验证评估结果。结果:全特征的预测模型查准率(Precision)为98.1,召回率(recall)为87.9%,F1值为92.7%。仅采用波谱预测诊断时,查准率为81.6%,召回率为96.6%,F1值为88.2%。综合来看,全特征的F1值高出波谱特征模型约5%,这说明采用基于童年创伤、波谱特征的模型分类效果优于仅采用波谱特征的模型。结论:结合了患者童年创伤和波谱特征的模型分类准确性更好。未来临床诊断过程中,应综合患者的生理心理等多模态指标,建立抑郁症等的诊断分类模型。