Машинное обучение помогло предсказать развитие шизофрении при психопатологии

Сёрен Динесен Эстергор (Søren Dinesen Østergaard) с коллегами по Орхусскому университету провел когортное исследование и пришел к выводу, что анализ медицинской документации психиатрических пациентов с помощью машинного обучения позволяет с низкой чувствительностью, но высокой специфичностью предсказать у них прогрессирование симптомов до шизофрении, и с меньшей эффективностью — до биполярного расстройства. Авторы работы использовали данные почти 24,5 тысячи пациентов (средний возраст 32,2 года; 56,6 процента — женщины) с почти 400 тысячами амбулаторных приемов (как минимум два с интервалом не менее трех месяцев у каждого) из психиатрических регистров Центральной Ютландии за 2013–2016 годы. Постановку им диагноза шизофрении или биполярного расстройства в течение пяти лет предсказывали с помощью инструмента XGBoost. Результаты опубликованы в журнале JAMA Psychiatry.

Алгоритмы предсказали прогрессирование до шизофрении или биполярного расстройства с площадью под ROC-кривой 0,70 при обучении и 0,64 при тестировании в двух независимых больницах. Чувствительность составила 9,3 процента, специфичность — 96,3 процента, положительная прогностическая ценность (PPV) — 13,0 процента. Предсказание шизофрении оказалось более эффективным, чем биполярного расстройства: площадь под ROC-кривой 0,80 против 0,62; чувствительность 19,4 против 9,9 процента; специфичность 96,3 против 96,2 процента; PPV 10,8 против 8,4 процента.