新的机器学习模型有望预测产后抑郁症风险

新的机器学习模型有望预测产后抑郁症风险

产后抑郁症 (PPD) 影响高达 15% 的人。早期识别产后抑郁症患者可以改善积极的心理健康支持。麻省总医院布里格姆分校的研究人员开发了一种机器学习模型，可以使用易于获取的临床和人口统计因素来评估患者患产后抑郁症的风险。显示该模型有前途的预测能力的结果发表在美国精神病学杂志。

马萨诸塞州总医院妇产科医学博士、公共卫生硕士马克·克拉普 (Mark Clapp) 表示：“产后抑郁症是一些父母在产后可能面临的最大挑战之一，此时许多人都在应对睡眠不足、新的压力和重大的生活变化。” “持续的悲伤、抑郁或焦虑感可能比许多人意识到的更为常见。由 Roy Perlis 博士领导的我们的团队已经超越了这项工作，更好地了解哪些患者可能面临更高的 PPD 风险，以便制定预防 PPD 或减轻其严重程度的策略和解决方案。”

通常，产后抑郁症症状在产后 6 至 8 周的产后访视时进行评估。因此，许多父母在接受心理健康支持之前可能会挣扎几周。为了提供更早的 PPD 护理，研究人员开发了一种模型，只需要分娩时电子健康记录 (EHR) 中的信息，包括人口统计数据、医疗状况和就诊历史数据。该模型权衡并整合这些复杂变量，以更准确地评估 PPD 风险。

为了开发和验证该模型，作者使用了 2017 年至 2022 年期间在麻省总医院布里格姆系统的两个学术医疗中心和六家社区医院分娩的 29,168 名孕妇的信息。在该队列中，9% 的患者在配药后 6 个月时达到 PPD 研究标准。

研究人员使用约一半患者的健康数据来训练模型来识别 PPD。然后，他们测试了该模型，要求其预测另一半患者的 PPD。研究人员发现，该模型可以有效排除 90% 的 PPD。该模型在预测产后抑郁症方面表现出了良好的前景：预计高风险人群中，近 30% 的人会在产后六个月内患上产后抑郁症。该模型预测 PPD 的效果大约是一般人群风险估计的两到三倍。

在进一步的分析中，研究人员表明，无论种族、民族和分娩年龄如何，该模型的表现都相似。该研究仅纳入那些没有既往精神病学诊断的患者，以确定该模型是否可以预测低风险患者的 PPD，并更好地了解既往精神病学诊断之外影响 PPD 的风险因素。特别是，产前获得的爱丁堡产后抑郁量表的分数 这一时期提高了模型的预测能力，并强调了这一现有工具在分娩前和分娩后都很有用。

研究人员正在前瞻性地测试该模型的准确性，这是实现实际应用的重要一步，并与患者、临床医生和利益相关者合作，以确定如何最好地将模型信息纳入临床实践。

这是预测工具开发方面令人兴奋的进展，结合临床医生的专业知识，可以帮助改善孕产妇心理健康。通过与临床医生和患者的进一步验证和合作，我们希望实现早期识别并最终改善产后患者的心理健康结果。 “

Mark Clapp，医学博士、公共卫生硕士，马萨诸塞州总医院妇产科

资料来源：