Novi model strojnega učenja je obetaven pri napovedovanju tveganja za poporodno depresijo

Novi model strojnega učenja je obetaven pri napovedovanju tveganja za poporodno depresijo

Poporodna depresija (PPD) prizadene do 15 odstotkov ljudi po porodu. Zgodnje odkrivanje bolnikov s PPD bi lahko izboljšalo proaktivno podporo duševnemu zdravju. Raziskovalci Mass General Brigham so razvili model strojnega učenja, ki lahko oceni tveganje bolnikov za PPD z uporabo lahko dostopnih kliničnih in demografskih dejavnikov. Rezultati, ki kažejo obetavne napovedne zmožnosti modela, so objavljeni vAmerican Journal of Psychiatry.

»Poporodna depresija je eden največjih izzivov, s katerimi se nekateri starši lahko soočijo v poporodnem obdobju – času, ko se mnogi spopadajo s pomanjkanjem spanja, novimi stresi in pomembnimi življenjskimi spremembami,« je dejal Mark Clapp, MD, MPH, z Oddelka za porodništvo in ginekologijo v splošni bolnišnici Massachusetts. "Vztrajni občutki žalosti, depresije ali tesnobe so lahko pogostejši, kot se mnogi ljudje zavedajo. Naša ekipa, ki jo vodi dr. Roy Perlis, je šla dlje od tega dela, da bi bolje razumela, pri katerih bolnikih je tveganje za PPD večje, da bi olajšali strategije in rešitve za preprečevanje PPD ali zmanjšanje njegove resnosti."

Običajno se simptomi PPD ocenijo na poporodnih obiskih, ki se zgodijo 6 do 8 tednov po porodu. Posledično se lahko mnogi starši borijo nekaj tednov, preden prejmejo podporo za duševno zdravje. Da bi zagotovili zgodnejšo oskrbo PPD, so raziskovalci razvili model, ki zahteva le informacije v elektronskem zdravstvenem kartonu (EHR) v času poroda, vključno s podatki o demografskih podatkih, zdravstvenih stanjih in zgodovini obiskov. Ta model tehta in integrira te kompleksne spremenljivke za natančnejšo oceno tveganja PPD.

Za razvoj in potrditev modela so avtorji uporabili podatke 29.168 nosečih pacientk, ki so bile rojene med letoma 2017 in 2022 v dveh akademskih zdravstvenih centrih in šestih skupnostnih bolnišnicah v sistemu Mass General Brigham. V tej kohorti je 9 odstotkov bolnikov šest mesecev po izdaji izpolnjevalo merila študije za PPD.

Raziskovalci so uporabili zdravstvene podatke približno polovice pacientov, da bi usposobili model za identifikacijo PPD. Nato so preizkusili model tako, da so ga prosili, da napove PPD pri drugi polovici bolnikov. Raziskovalci so ugotovili, da je bil model učinkovit pri izključitvi PPD 90 odstotkov časa. Model je bil obetaven pri napovedovanju PPD: Skoraj 30 odstotkov tistih, za katere se pričakuje, da imajo visoko tveganje, je razvilo PPD v šestih mesecih po porodu. Model je bil približno dva do trikrat boljši pri napovedovanju PPD kot ocena tveganja splošne populacije.

V nadaljnji analizi so raziskovalci pokazali, da je model deloval podobno ne glede na raso, etnično pripadnost in starost ob porodu. Študija je vključevala samo tiste brez predhodne psihiatrične diagnoze, da bi ugotovili, ali lahko model napove PPD tudi pri bolnikih z nizkim tveganjem, in da bi bolje razumeli dejavnike tveganja, ki vplivajo na PPD zunaj predhodnih psihiatričnih diagnoz. Zlasti rezultati na Edinburški lestvici postnatalne depresije, pridobljeni pred rojstvom Obdobje je izboljšalo napovedne zmožnosti modela in poudarilo, da je to obstoječe orodje lahko uporabno pred in po dobavi.

Raziskovalci prospektivno preizkušajo točnost modela, kar je bistven korak k uporabi v resničnem svetu, in sodelujejo z bolniki, kliniki in zainteresiranimi stranmi, da bi ugotovili, kako najbolje vključiti informacije iz modela v klinično prakso.

To je vznemirljiv napredek pri razvoju napovednega orodja, ki bi lahko v kombinaciji s strokovnim znanjem klinikov pomagalo izboljšati duševno zdravje mater. Z nadaljnjim potrjevanjem in sodelovanjem s kliniki in pacienti upamo, da bomo dosegli zgodnejšo identifikacijo in na koncu izboljšali rezultate duševnega zdravja pri bolnicah po porodu. “

Mark Clapp, MD, MPH, Oddelek za porodništvo in ginekologijo, Splošna bolnišnica Massachusetts

Viri: