《Frontiers in Digital Health》：Development of personalized machine learning models for predicting panic attacks in college students
编辑推荐：
惊恐发作（panic attacks, PAs）是突发的强烈恐惧与焦虑发作，伴随认知和躯体症状，显著损害日常功能。本研究提出一种机器学习方法，用于预测跨越不同心理健康状况的个体在未来一周内的惊恐发作风险，从而实现及时且具有潜在预防性的心理健康干预。研究人员在3
惊恐发作（panic attacks, PAs）是突发的强烈恐惧与焦虑发作，伴随认知和躯体症状，显著损害日常功能。本研究提出一种机器学习方法，用于预测跨越不同心理健康状况的个体在未来一周内的惊恐发作风险，从而实现及时且具有潜在预防性的心理健康干预。研究人员在39名大学生为期六个月、使用Oura戒指采集的行为与生理数据纵向样本中评估了该方法。研究人员评估了在个性化框架与泛化框架内应用的多种预测算法，分别为每位参与者拟合独特模型以及汇集数据进行建模。在全部39名参与者中，采用逻辑回归（logistic regression）的个性化模型相对于随机水平预测实现了汇总PR AUC提升值（lift）为1.17（95% CI：1.05–1.25）（p = .035），而泛化模型与随机水平无差异（PR AUC提升值为0.99；95% CI：0.90–1.08）；在直接比较中，个性化模型优于泛化模型（提升比值=1.18，p = .047）。性能在参与者之间存在差异：当按测试集PR AUC提升值的无监督聚类对个性化模型分组时，聚类为拟合良好（well-fit）（n = 8）的模型显示汇总PR AUC提升值为2.26（95% CI：1.50–2.89），聚类为拟合不佳（poor-fit）（n = 31）的模型提升值为1.09（95% CI：0.98–1.17）。由于这些分组由测试集性能定义，其描述了观察到的异质性，需要在独立数据中验证。总体而言，研究人员的发现指向个性化建模方法的潜在价值，并提示被动采集的睡眠、活动和生理学日常测量可能携带预测惊恐发作的信号，最终可被用于识别个体化的生活方式干预以降低惊恐发作风险。
研究背景：惊恐发作（panic attacks, PAs）是突发的强烈恐惧或焦虑发作，伴随胸痛、心动过速、过度换气、出汗、恶心、头晕、现实解体以及对失控或死亡的恐惧等多种躯体和认知症状。美国每年有超过十分之一的人经历惊恐发作，且惊恐发作与整体幸福感较差、缺勤增多、急诊就诊增多以及自杀相关。惊恐发作是跨诊断的（transdiagnostic），然而既往关于惊恐发作的研究几乎完全局限于惊恐障碍（panic disorder, PD）之内。DSM-5将惊恐发作重新归类为可跨疾病应用的跨诊断标注，反映其可发生于多种障碍中并与更严重的疾病严重程度、功能损害和服务利用相关。为增强临床医生参与（clinician-in-the-loop）的惊恐发作治疗，尤其是在心理健康专业人员可及性有限的背景下，人们对利用持续自我监测和自我管理的可扩展干预措施兴趣日增。即时适应性干预（just-in-time adaptive interventions, JITAIs）提供了将循证照护延伸至诊所之外的有前景框架，但其临床效用取决于对惊恐发作的准确、个性化预测。既往若干研究已探索惊恐发作的预测建模方法，并从可穿戴传感器被动采集的生理与行为数据中识别出候选信号，包括与不活动和运动强度、睡眠特征、呼吸特征以及心血管测量相关的特征。然而，现有工作大多仅聚焦于惊恐障碍个体，而后者仅占惊恐发作个体的约17%。研究人员既往工作提示，精神病理学的存在和类型会显著影响哪些特征最具信息量，凸显了"一刀切"模型的局限；此外，由于对压力的行为和生理反应在不同心理健康诊断乃至个体之间存在显著差异，这凸显了需要能够捕捉这种异质性及个体特异性变异的个性化预测模型。本研究旨在使用机器学习方法开发模型并进行内部验证，利用Oura戒指的行为和生理测量，在经历惊恐发作且患有多种心理健康状况的样本中预测惊恐发作。据研究人员所知，这是首篇提出用于预测惊恐发作的个性化模型的论文。
研究方法：本研究是对"使用戒指测量的生活体验研究"（Lived Experience Measured Using Rings Study, LEMURS）所采集数据的二次分析，该研究主要目的为研究大学生的心理健康与健康行为。参与者均为佛蒙特大学（University of Vermont, UVM）全日制一、二年级大学生，年龄18至24岁，拥有iPhone 6S/SE或更新机型。参与者被要求在整个学年持续佩戴提供的Oura戒指，并在基线、全年每两周以及通过定制应用程序在四个21天"冲刺期"（sprints）每日完成关于情绪和行为健康的调查。Oura戒指持续采集行为与生理数据，每日汇总指标涵盖睡眠（如入睡潜伏期、睡眠分期、睡眠效率）、活动（不同强度活动时间、卡路里消耗、平均代谢当量METs）以及睡眠期间的心率、心率变异性、呼吸率和体温。每日调查中，参与者若当天经历"惊恐发作"则勾选相应选项，未对惊恐发作作进一步定义。每两周调查使用抑郁焦虑压力量表（Depression Anxiety Stress Scales, DASS）量化压力、焦虑和抑郁水平。心理健康诊断通过迷你国际神经精神访谈（Mini International Neuropsychiatric Interview, MINI）由受过培训的研究人员面对面确定。数据预处理方面，对缺失变量值采用参与者特异性均值插补，对全部汇总数据缺失的日期在间隔不超过7天时采用线性插值。从7天滑动窗口（步长为1天）中为每个Oura衍生的睡眠、活动和生理指标提取均值、标准差、第5和第95百分位数等统计量，共得到148个特征。若后续一周内至少有一个观测日报告惊恐发作，则窗口标记为1，否则为0。特征使用仅来自各参与者训练集的参与者特异性均值和标准差进行标准化。在197名通过每日调查报告至少一次惊恐发作的参与者中，187名拥有足够Oura数据进入个性化建模流程，其中148名被排除（129名因训练集、测试集或两者仅有一类；8名因冲刺期少于两个；9名因时间顺序划分后训练或测试观测少于7个；2名因每日观测总数少于10个），最终纳入39名参与者。研究人员采用两类机器学习方法：首先构建跨所有建模参与者的泛化模型以识别惊恐发作前的共同行为模式；其次为每位参与者单独构建个性化模型。两种方法均将每位参与者的纵向数据首先分割为连续每日观测的"冲刺期"，保留每位参与者最后一个冲刺期作为测试集，所有先前冲刺期用于训练。泛化模型的训练集和测试集在相同参与者与行上汇集，以便两种方法在直接可比数据上评估。两种方法均探索四种预测算法：逻辑回归（Logistic Regression, LR）、k近邻（k-nearest neighbors, KNN）、支持向量机（support vector machine, SVM）和XGBoost（XGB）。鉴于逻辑回归相对简单且可解释，其作为正文报告的主要模型。训练时使用与类别频率成反比的类别权重以应对类别不平衡。在个性化模型中，从训练集中为每位参与者选择特征，使用与训练标签相关性最高的前25个特征进行训练和评估，特征选择和标准化器均仅在训练数据上拟合以避免测试集泄漏。模型性能使用精确率-召回率曲线下面积（area under the precision recall curve, PR AUC）评估，因其适用于类别不平衡数据。由于惊恐发作患病率在参与者间存在差异，研究人员将PR AUC归一化为提升统计量（lift statistic），定义为观测PR AUC除以每位参与者的惊恐发作患病率。在个性化模型层面，研究人员使用最优一维k均值聚类（k = 2）将参与者分为"拟合良好"和"拟合不佳"两组。使用移动块自助法（moving-block bootstrap，块大小=7天）表征性能并构建95%置信区间。直接比较个性化与泛化模型性能时，使用参与者层面的置换检验。研究人员还进行了跨参与者探索性分析，检验在拟合良好参与者上训练的模型能否在拟合不佳参与者的留出数据上超过随机水平。事后分析包括两部分：首先使用Kuncheva指数量化个性化模型间特征重叠程度；其次对两名代表性受试者进行滞后线性回归，考察Oura衍生行为的每日偏差与惊恐发作风险变化的关系。
研究结果：（1）个性化模型与泛化模型的整体比较：在全部39名参与者中，使用逻辑回归算法的个性化模型实现了汇总PR-AUC提升值1.17（95% CI：1.05–1.25），显著高于随机水平（p = .035）；泛化模型的PR-AUC提升值为0.99（95% CI：0.90–1.08），与随机水平无显著差异（p = .456）。在相同留出冲刺期的直接比较中，个性化模型优于泛化模型（提升比值=1.18，p = .047）。（2）拟合良好与拟合不佳亚组的性能：通过k均值聚类将参与者分为拟合良好（n = 8）和拟合不佳（n = 31）两组。拟合良好个性化模型的汇总PR-AUC提升值为2.26（95% CI：1.50–2.89；p = .001），拟合不佳个性化模型的提升值为1.09（95% CI：0.98–1.17；p = .155）。拟合良好模型相对于随机水平的优势约为拟合不佳模型的两倍（提升比值=2.08，95% CI：1.37–2.78）。使用压力和DASS测量的个性化模型与随机水平无显著差异（p > 0.05）。使用持续性基线（persistence baseline）的拟合良好个性化PR-AUC提升值为1.36（95% CI：1.19–1.70，p = .0085），加入Oura衍生特征后提升值为1.96（95% CI：1.38–2.68，p = .001）。在全部39名参与者中，持续性基线、联合模型和仅Oura模型的提升值分别为1.14（p = .087）、1.17（p = .044）和1.17（p = .035）。（3）不同算法的比较：在全部人群中，个性化模型仅在逻辑回归算法下超过随机水平（提升值=1.17，p = .035），SVM、XGBoost和KNN未达显著（提升值分别为1.13、1.10和1.11；p分别为.219、.358和.169）。在直接比较中，仅逻辑回归的个性化模型优于泛化模型（提升比值=1.18，p = .047），其他算法方向相同但未达显著。拟合良好参与者的个性化模型在所有算法下均超过随机水平（提升值范围：1.85–2.26，均p < .05），拟合不佳参与者则未超过（提升值范围：0.95–1.09，均p > .05）。拟合良好与拟合不佳的提升比值范围在1.85–2.09之间。（4）跨参与者探索性分析：在8个拟合良好参与者的个性化模型中，5个对至少一个拟合不佳受试者显著优于随机水平；31个拟合不佳参与者中，8个至少有一个拟合良好供体模型显著优于随机水平。对于这8名参与者，其自身个性化模型的汇总PR-AUC提升值M = 1.34（SD = 0.40），替换为表现最佳的显著供体模型后平均提升值升至M = 2.10（SD = 1.33），增加56%。（5）案例研究：在示例参与者中，深睡眠时间下降与惊恐发作期密切对应（p < 0.01，Cohen's d = ?0.98），惊恐发作日深睡眠时间中位数比非惊恐发作日低超过一个标准差；睡眠期间呼吸率在惊恐发作期出现明显峰值（p = 0.04，Cohen's d = 0.51）。（6）特征重叠与滞后回归：个性化模型间平均成对Kuncheva指数仅为0.122，与置换零分布比较无足够证据拒绝观察到的相似性源于选择程序和随机机会的组合（p = 0.18）。每位参与者原始特征与重采样间的平均相似性指数在0.31至0.89之间，表明所选特征集具有中至强稳健性。滞后回归显示，总睡眠时间相对于参与者典型总睡眠时间的增加与随后惊恐发作概率降低相关（β = –0.091，R2 = 0.17，p < 0.01）；就寝时间延迟与随后惊恐发作概率增加相关（β = 0.129，R2 = 0.18，p < 0.01）。（7）敏感性分析：随结果窗口允许缺失天数从1增至6天，拟合良好个性化模型（逻辑回归）的PR-AUC提升值始终保持显著高于随机水平（提升值范围1.38–2.26，均p ≤ .012），一般在4个缺失天起稳定于2.1–2.3。排除特征提取窗口本身包含惊恐发作的敏感性分析显示一致模式：拟合良好个性化模型仍显著优于随机水平（提升值=1.42，95% CI：1.23–2.26，p = .03），拟合不佳和泛化模型则未达显著（均p > .05），拟合良好相对拟合不佳的提升比值为1.56（95% CI：1.27–2.60）。
讨论与结论：本研究探讨了Oura戒指被动采集的生理和行为数据能否用于预测个体未来一周的惊恐发作风险，并通过事后分析探索优化和可解释性以审视模型严谨性。在全部39名参与者中，使用主要算法（逻辑回归）的个性化模型相对于随机水平实现了适度但统计显著的提升（1.17；95% CI：1.05–1.25；p = .035），而泛化模型与随机水平无差异，个性化模型在直接比较中优于泛化模型（提升比值=1.18，p = .047）。个性化建模方法还有助于识别与惊恐发作风险相关的可穿戴衍生特征的有前景信号，为未来工作的假设生成提供信息。研究人员构建跨所有参与者数据的泛化模型时观察到适度性能，与随机机会无显著差异，这与既往证据一致，即对压力的行为和生理反应在不同心理健康诊断乃至个体之间存在显著差异。这促使研究人员转向为每位参与者单独构建个性化模型，其在整个队列中适度优于泛化模型。此外，使用Oura数据的个性化模型在主要算法下显著优于随机机会，而使用每日压力源计数或每两周症状构建的个性化模型与随机机会无差异，提示被动采集的行为和生理数据在预测惊恐发作方面的潜力。在四种结构不同的算法下观察到类似的拟合良好/拟合不佳模式，表明该描述性模式并非特定于某一建模选择。拟合良好亚组的提升值在结果窗口缺失处理的不同选择下也保持相似。案例研究展示了深睡眠时间和睡眠呼吸率与惊恐发作期一致的可解释趋势。尽管假阳性率仍然不低，这些可视化说明了对单个参与者而言生理和行为信号如何与惊恐发作相关联，并突出了提供旨在预防惊恐发作的干预措施的潜在靶点和时机。正如每日行为变化与预测惊恐发作风险波动之间的关联所证明的，模型可能指向应进一步研究的特定可修改因素，如总睡眠时间或提前就寝时间，这与用于减少惊恐的成熟干预措施（如CBT-I、睡眠卫生、刺激控制技术）所针对的目标具有合理性。需要注意的是，这些滞后回归将模型预测输出与其自身输入变量相关联，因此更适合理解为对拟合模型行为的机理解释，而非修改这些行为会改变惊恐发作风险的独立证据。虽然个性化模型对某些参与者（拟合不佳）未超过随机水平性能，但探索性跨参与者分析发现，一些在其他（拟合良好）参与者上训练的模型对部分拟合不佳参与者的留出数据取得了优于随机水平的性能。一种可能的解释（需在独立数据中检验）是拟合不佳分类反映了个体自身个性化模型的局限，而非真正缺乏可预测结构。研究人员强调该发现为假设生成性而非验证性。在方法能够指导临床实施之前，需要更多假设驱动的研究。最终，该分析方法可支持推荐及时风险降低策略的远程干预。实现这一潜力需要双向准确的通知系统：必须避免虚假警报（在未发生发作时提示风险），已知虚假警报会导致用户疲劳并可能造成心理伤害；同时必须避免漏报发作。还需要任何由此产生的干预负担足够低以维持长期参与，并与有惊恐发作生活经验的利益相关者共同设计以提高可用性。可穿戴设备在这些设计中也是重要考虑因素。本研究存在重要局限：样本量太小，无法按心理健康状况或人口学因素比较模型性能；队列相对同质；惊恐发作自我报告基于参与者的理解；跨参与者分析未建立惊恐发作的共同表型；拟合良好和拟合不佳分组由测试集性能定义，其是否反映稳定的参与者特征仍需验证；Oura衍生特征超出近期发作史的增量预测价值未得到确立；数据使用单一商用设备采集。未来研究应包括更大、更多样化的人群并整合多种设备以开发更具泛化性和设备无关的模型。本研究结论：本研究提出了一种使用Oura戒指采集的纵向行为和生理数据预测惊恐发作风险的个性化机器学习方法，分析凸显了个性化建模方法在研究惊恐发作风险预测方面的潜力。
