利用常规实验室检测，在多中心队列中对重度抑郁症进行人工智能辅助筛查

《Translational Psychiatry》：Artificial intelligence-assisted screening of major depressive disorder using routine laboratory tests across multicenter cohorts

　　

摘要

重度抑郁障碍（MDD）是一种普遍存在的精神疾病，对个人和社会都有重大影响，然而其在大规模人群中的识别仍主要依赖于基于症状的临床评估。我们推出了MD3S（Major Depressive Disorder Detection System），这是一个基于人工智能的筛查框架，利用常规收集的实验室和临床信息来识别患有MDD的个体。该系统利用了来自英国生物银行（UK Biobank）的超过18万份真实健康评估记录，整合了血液学、生化和生理指标，在回顾性的多中心研究中区分出MDD患者与非MDD对照组。为了评估其在不同人群中的普遍适用性，我们还在两个独立的外部医院队列中对该框架进行了验证。MD3S在内部验证数据集上的准确率为86.57%，并在两个独立的外部验证队列中保持了良好的性能。与传统机器学习和深度学习方法相比，MD3S在预测性能、跨队列的迁移能力以及计算效率方面表现更优异。这些发现表明，常规实验室数据可以支持可扩展的AI辅助筛查策略，以在不同临床和人群环境中识别MDD患者。