
-
生物通官微
陪你抓住生命科技
跳动的脉搏
用于预测重度抑郁症中合并REM睡眠行为障碍的多模态人工智能
《npj Digital Medicine》:Multimodal AI for predicting comorbid REM sleep behavior disorder in major depressive disorder
【字体: 大 中 小 】 时间:2026年07月15日 来源:npj Digital Medicine 18.0
编辑推荐:
摘要快速眼动睡眠行为障碍是一种重要的α-突触核蛋白病的先兆指标:特发性RBD患者在未来10–15年内患帕金森病及相关疾病的概率高达80–90%。在重度抑郁症患者中,伴有RBD的群体患帕金森病的风险更高,但在精神科临床实践中却常常被忽视。为此,我们开发了一种多模态人工智能框架,用于
快速眼动睡眠行为障碍是一种重要的α-突触核蛋白病的先兆指标:特发性RBD患者在未来10–15年内患帕金森病及相关疾病的概率高达80–90%。在重度抑郁症患者中,伴有RBD的群体患帕金森病的风险更高,但在精神科临床实践中却常常被忽视。为此,我们开发了一种多模态人工智能框架,用于检测重度抑郁症患者中是否伴有RBD。从329名患者的临床队列中,我们获取了31名患者在阅读和自主说话任务时的261段视频片段,其中包括19名患有重度抑郁症并伴有RBD的患者,以及12名在人口统计学特征和用药情况上与前者匹配的仅患重度抑郁症的对照组。据我们所知,这是全球规模最大的此类研究队列。我们采用了双流多模态模型,该模型能够从视频中分析面部表情变化,从语音中提取声音特征,然后将这两种信号结合起来以预测是否存在RBD。在5折交叉验证中,最优模型的准确率为80.5%,F1分数为0.848。可解释性分析表明,下颌肌肉的紧张度和波动性以及眉毛下垂可能是需要进一步验证的生物标志物。预测出的风险与RBDQ评分呈正相关(r?=?0.53,p?=?0.005),与UPDRS运动评分则呈弱相关(r?=?0.34,p?=?0.067)。在分布外数据上的评估也显示出类似的结果,这进一步证明了多模态人工智能在预测重度抑郁症患者中的RBD以及识别具有可解释性的α-突触核蛋白病先兆数字标志物方面的潜力。
生物通微信公众号