Дослідження, опубліковане в журналі JAMA Psychiatry, демонструє ефективність моделей машинного навчання у прогнозуванні розвитку шизофренії та біполярного розладу на основі даних електронних медичних карток.
Науковці під керівництвом доктора Лассе Хансена з Орхуської університетської лікарні в Данії провели масштабне дослідження. Вони зосередилися на вивченому потенціалі технологій машинного навчання у психіатричній діагностиці. Головним визначенням було визначення можливості раннього розвитку серйозних психічних захворювань. Група дослідників проаналізувала дані 24 449 віком від 15 до 60 років.
Методологія дослідження базувалася на використання моделі XGBoost. Ця модель аналізувала клінічні дані допомоги, які мали щонайменше два звернення до психіатричної служби. Результати показали площу під кривою операційної характеристики приймача (AUROC) 0,70 на навчальній вибірці. На тестовій вибірці цей показник становив 0,64.
При використанні прогнозованої позитивної частоти 4%, модель XGBoost показала особливі характеристики. відповідно, чутливість склала 9,3%, специфічність – 96,3%, а позитивна прогностична цінність (PPV) – 13,0%. Цікаво, що найкращі результати були отримані при окремому прогнозуванні шизофренії.
«Ці результати свідчать про те, що виявлення прогресування до шизофренії за допомогою машинного навчання на основі рутинних клінічних даних є можливим» , – зазначають автори дослідження. Такий підхід може суттєво зменшити діагностичну затримку. Водночас він здатен скоротити тривалість нелікованої хвороби.
Прогностична здатність моделі була вищою для захворювання шизофренії з біполярним розладом. Для шизофренії показник AUROC досягає 0,80, чутливість – 19,4%, специфічність – 96,3%. Значну роль у точності прогнозування швидких клінічних нотаток лікарів. Це підкреслює важливість детального документування спостережень.
Отримані результати відкривають нові перспективи в психіатричній діагностиці. Раннє виявлення серйозних психічних розладів може революціонізувати підходи до лікування. Крім того, це дозволити почати терапію на ранніх стадіях розвитку захворювання. Застосування технологій машинного навчання стає потужним інструментом у руках сучасних психіатрів.
