机器学习模型能否精准预测心理健康状况？这项研究给出答案

《Molecular Psychiatry》：Generalizability of clinical prediction models in mental health

为探究机器学习（ML）模型对抑郁症状严重程度的预测能力，研究人员经多队列研究发现该模型有良好泛化性，意义重大。

　　在精神健康领域，准确预测抑郁症状的发生和患者个体的疾病发展轨迹，一直是困扰医疗人员的难题。目前，临床决策缺乏有力的数据支持，现有的机器学习（ML）模型虽然能在单一研究数据集内进行相关预测，但在不同治疗环境、国家或年龄组的独立数据中，其有效性却难以保证。并且，现实世界临床人群和研究队列的数据存在差异，这也影响了模型的预测准确性和泛化性。更麻烦的是，精神科缺乏统一的数据标准和共享本体，使得结构化临床信息难以广泛收集和应用。在这样的背景下，为了突破困境，来自德国耶拿大学医院、明斯特大学等多所欧洲研究机构的研究人员展开了深入研究。他们的研究成果发表在《Molecular Psychiatry》上，为精神健康领域的发展带来了新的希望。

研究人员采用了多队列研究方法，收集了来自十个欧洲研究和临床机构的 3021 名参与者的数据。这些参与者年龄在 15 - 81 岁之间，均被诊断患有情感障碍，涵盖了不同疾病阶段，包括近期发作性抑郁症（ROD）、持续性抑郁症（PDD）等。研究人员将这些数据分为研究样本和现实世界样本，其中研究样本来自两项神经影像学队列研究，现实世界样本则来自自然主义研究。

研究中，研究人员运用了弹性网络算法和十折交叉验证等关键技术。首先，他们从 76 个临床和社会人口学变量中，通过排列重要性分析确定了影响模型性能的五个主要变量，即神经质（Neuroticism）、外向性（Extraversion）、全球功能评估（Global Assessment of Functioning，GAF）、躯体化（Somatization）和童年情感虐待（Emotional Abuse in Childhood）。接着，基于这些变量训练了一个稀疏模型，并在不同的样本中进行验证。

研究结果如下：

• 样本差异分析：研究样本和现实世界样本在多个维度上存在显著差异，如现实世界样本的患者当前抑郁症状在外部评估中更严重，疾病进程更严重，用药情况、童年虐待回忆和人格维度也与研究样本不同。不过，除了躯体症状外，其他维度的差异并未阻碍模型的泛化。
• 模型性能验证：训练的稀疏模型在现实世界样本中的表现优于随机水平（r350?=0.73 ，span data-custom-copy-text="\(p0.001\)"p<0.001 ），在所有外部数据集上也表现出色（r2673?=0.60 ，SD=0.089 ，span data-custom-copy-text="\(p0.001\)"p<0.001 ），对应的分类场景准确率达到 80%。在不同样本中，模型性能虽有差异，但即使在表现最差的现实世界普通人群样本中（r1227?=0.48 ），其性能也在可接受范围内。
• 跨时间点预测：在评估治疗后的抑郁症状严重程度时，稀疏模型同样表现出高于随机水平的性能（r566?=0.50 ，span data-custom-copy-text="\(p0.001\)"p<0.001 ），对应分类场景准确率为 75%。不过，不同站点的模型性能有所不同，治疗时间较长的现实世界门诊患者 6 号站点模型表现相对较差，这可能与治疗时间和模型误差的正相关关系有关。
• 严重抑郁无反应者分类：研究人员尝试用该模型识别严重抑郁症状患者，通过留一站点交叉验证和合成少数过采样技术（SMOTE）结合编辑最近邻（ENN）的方法，模型预测持续严重抑郁的平均平衡准确率达到 0.66，不同站点的性能有所差异。
• 敏感性分析：研究人员还进行了敏感性分析，发现年龄和性别与模型误差均无显著关联。并且，即使排除原始模型中权重较高的神经质和全球功能变量，模型仍具有良好的泛化性能。

综上所述，该研究表明基于稀疏临床数据训练的 ML 模型，在预测不同环境、治疗阶段的抑郁症状严重程度方面具有良好的泛化性。这一成果为开发更具普适性的精神科数据分析工具提供了重要依据，尽管模型还不能直接用于临床决策支持，但为未来开发适用于日常临床使用的模型奠定了基础。同时，研究也指出，应重视临床数据的结构化采集，提高数据的互操作性，推动精神科标准化数据格式和本体的发展，以更好地应用 ML 模型。