机器学习算法对抑郁症患者自杀企图的识别

作者：余涛; 刘修燕; 许春园; 张许来^*

来源：临床精神医学杂志, 2023, 33(02): 99-102.

• 抑郁症
• 自杀
• 机器学习
• 影响因素

目的:很多抑郁症患者自杀企图相关的危险因素已经被确认，但是难以将他们整合成一个模型，用于区分抑郁症患者是否伴有自杀企图。本研究旨在使用机器学习算法结合临床资料，以识别抑郁症患者是否伴有自杀企图。方法:共纳入240例抑郁症患者，按照7∶3比例随机分为训练集和验证集。6种机器学习算法被使用，分别是K最近邻(K-nearest neighbor, KNN)、一般线性模型(general linear model, GLM)、随机森林(random forest, RF)、朴素贝叶斯(naive bayes, NB)、决策树(RPART)和支持向量机(support vector machine, SVM)。在训练集，Logistic回归分析确定的危险因素和10折交叉验证用于模型的构建，验证集以AUC值评估模型效果，选出表现最佳的算法。结果:抑郁症患者自杀企图的发生率为25%。确定低三酰甘油水平和低年龄(≤18岁)是抑郁症患者自杀企图的主要危险因素。GLM是6种机器学习算法中表现最佳的一个，其AUC值达到0.687。结论:机器学习算法能够有效预测抑郁症患者的自杀企图，且GLM表现最佳，有助于防控措施的及时实施，降低抑郁症患者的自杀率。

• 单位
  合肥市第四人民医院; 安徽医科大学