机器学习算法对抑郁症患者自杀企图的识别

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.