基于电子健康记录的机器学习模型预测双相情感障碍抑郁发作患者30天内自杀行为风险

《Scientific Reports》：Precision stratification of risk for suicidal behavior in people with bipolar depression

　　

摘要

双相情感障碍抑郁发作患者发生自杀行为的风险最高，约占所有自杀死亡的10%左右。在自杀尝试前的关键时期，大多数患者并未与心理健康专业人士联系以实施抗自杀策略。迫切需要开发决策支持工具，以帮助非专科医护人员识别高危患者，从而促进预防工作。然而，我们目前缺乏稳健且高效的预测模型来构建此类工具的核心。在此，我们利用超过22万名双相情感障碍抑郁发作患者的独特电子健康记录数据，构建了一个高精度、针对30天内自杀行为风险的预测模型。我们证明，优化的机器学习方法具有极强的临床应用价值，在近乎完美的校准和光滑、阈值稳健的决策曲线背景下，能够提供极高的标准化净收益。我们的研究结果突破了自杀风险预测长期以来的性能瓶颈，并强调了在模型训练中同时注重临床效用和区分能力的重要性。