多类分类在神经精神疾病诊断中的应用进展

摘要

神经精神疾病具有高发病率、高遗传性以及高异质性的特点，其准确分类对于减缓疾病进展、制订个体化综合治疗策略及优化临床决策至关重要。多类分类技术作为机器学习中能够将输入数据实例分配到三个或更多互斥预定类别的方法，现有模型在神经精神疾病诊疗中的准确率整体处于74.7%～98.0%,为该领域的精准诊疗提供了有力支持。本文对多类分类的发展历程进行梳理；阐述其基于特征工程与算法模型的实现方式；并总结在精神分裂症、抑郁症等不同神经精神疾病病症分类与诊断中的应用进展。最后，对技术改进、临床应用拓展及跨学科融合趋势进行展望，以期为完善神经精神疾病的精准诊疗体系提供参考依据。

关键词

神经精神疾病 / 多类分类 / 机器学习 / 精准诊疗 / 个体化治疗 / 特征工程 / 算法模型 / 临床应用

基金资助

国家级重点研发项目(2023YFC3605903)