机器学习模型帮助识别有产后抑郁风险的患者

产后抑郁症（PPD）影响着多达 15% 的产后人群。尽早识别有产后抑郁风险的患者可以改善主动心理健康支持。马萨诸塞州总医院布莱根（Mass General Brigham）的研究人员开发了一种机器学习模型，该模型可以利用易于获取的临床和人口学因素来评估患者的产后抑郁风险。证明该模型具有良好预测能力的研究结果发表在《美国精神病学杂志》上。

　　

产后抑郁症（PPD）影响着多达 15% 的产后人群。尽早识别有产后抑郁风险的患者可以改善主动心理健康支持。马萨诸塞州总医院布莱根（Mass General Brigham）的研究人员开发了一种机器学习模型，该模型可以利用电子健康记录（EHR）中易于获取的临床和人口学因素来评估患者的产后抑郁风险。证明该模型具有良好预测能力的研究结果发表在《美国精神病学杂志》（http://doi.org/10.1176/appi.ajp.20240381）上。

“产后抑郁症是一些父母在产后时期可能面临的最大挑战之一 —— 这一时期许多人要应对睡眠不足、新的压力和重大的生活变化，” 该研究的主要作者马克?克拉普（Mark Clapp）医学博士、公共卫生硕士说。他来自马萨诸塞州总医院妇产科（Massachusetts General Hospital Department of Obstetrics and Gynecology），该医院是马萨诸塞州总医院布莱根医疗系统的创始成员之一。“持续的悲伤、抑郁或焦虑情绪可能比许多人意识到的更为常见。在罗伊?佩利斯（Roy Perlis）博士的领导下，我们团队开展这项工作，是为了更好地了解哪些患者可能有更高的产后抑郁风险，以帮助我们制定策略和解决方案，预防产后抑郁或减轻其严重程度。”

通常，产后抑郁症状是在产后 6 至 8 周的产后访视中进行评估的。因此，许多父母可能在获得心理健康支持之前已经挣扎了几周。为了帮助提供更早的产后抑郁护理，研究人员设计了一个模型，该模型只需要分娩时电子健康记录（EHR）中已有的信息，包括人口学数据、病史和就诊记录。该模型对这些复杂变量进行权衡和整合，以更准确地评估产后抑郁风险。

为了开发和验证该模型，研究人员使用了 2017 年至 2022 年间在马萨诸塞州总医院布莱根医疗系统的两家学术医疗中心和六家社区医院分娩的 29,168 名孕妇的信息。在这个队列中，9% 的患者在分娩后的六个月内符合研究的产后抑郁标准。

研究人员使用大约一半患者的健康记录数据来训练模型识别产后抑郁。然后，他们要求模型预测另一半患者的产后抑郁情况，以测试模型的效果。研究人员发现，该模型在 90% 的病例中能有效排除产后抑郁。该模型在预测产后抑郁方面显示出了潜力：在被预测为高风险的人群中，近 30% 的人在分娩后的六个月内患上了产后抑郁。该模型预测产后抑郁的能力比基于普通人群风险的估计高出约两到三倍。

在进一步的分析中，研究人员表明，无论种族、民族和分娩时的年龄如何，该模型的表现都相似。该研究只纳入了以前没有精神疾病诊断的人，以确定该模型是否可以在低风险患者中预测产后抑郁，并更好地了解在先前精神疾病诊断之外影响产后抑郁的风险因素。值得注意的是，孕期获得的爱丁堡产后抑郁量表评分提高了该模型的预测能力，这表明这一现有工具可能在产前和产后都有用。

研究人员正在前瞻性地测试该模型的准确性，这是迈向实际应用的重要一步，并正在与患者、临床医生和利益相关者合作，以确定如何将该模型得出的信息最好地纳入临床实践。

“这是朝着开发一种预测工具迈出的令人兴奋的进展，该工具与临床医生的专业知识相结合，可以帮助改善产妇的心理健康，” 克拉普说。“通过进一步验证，并与临床医生和患者合作，我们希望实现更早的识别，并最终改善产后患者的心理健康结果。”