机器学习可预测儿童的品行障碍

品行障碍(CD)是一种常见但复杂的精神疾病，具有攻击性和破坏性行为。促成 CD 发展的因素跨越生物学、心理和社会领域。研究人员已经确定了无数有助于预测 CD 的风险因素，但它们通常被孤立地考虑。现在，一项新研究首次使用机器学习方法来综合评估所有三个领域的风险因素，并以高精度预测 CD 的后期发展。

该研究发表在《生物精神病学：认知神经科学和神经影像学》中。

研究人员使用了参与青少年大脑认知发展 (ABCD) 研究的 2,300 多名 9 至 10 岁儿童的基线数据，这是一项跟踪儿童生物心理社会发展的纵向研究。研究人员使用先前确定的来自多个生物心理社会领域的风险因素“训练”了他们的机器学习模型。例如，测量包括脑成像(生物)、认知能力(心理)和家庭特征(社会)。该模型正确预测了两年后 CD 的发展，准确率超过 90%。

医学博士、生物精神病学：认知神经科学和神经影像学编辑卡梅伦卡特在谈到这项研究时说：“这些使用基于任务的功能 MRI 来研究奖励系统功能的惊人结果表明，抑郁母亲的孩子以后患抑郁症的风险可能更多地取决于母亲对孩子情绪行为的反应，而不是母亲的情绪本身。”

准确预测谁可能患 CD 的能力将有助于研究人员和医疗保健工作者为处于危险中的青少年设计干预措施，从而最大限度地减少甚至预防 CD 对儿童及其家庭的有害影响。

“我们的研究结果强调了结合神经、社会和心理因素来预测品行障碍的附加价值，品行障碍是青少年的一个繁重的精神问题，”资深作者 Arielle Baskin-Sommers 博士说。美国康涅狄格州纽黑文耶鲁大学 “这些研究结果为开发更精确的识别和干预方法提供了希望，这些方法考虑了导致这种疾病的多种因素。它们还强调了利用大型开放获取数据集的效用，例如ABCD，收集跨分析级别的个人测量。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！