卒中后抑郁与中西医多模态特征融合机器学习预测模型的建立与评估

摘要

目的 基于机器学习，融合中西医多模态特征，构建卒中后抑郁（post stroke depression,PSD）预测模型。方法 纳入急性缺血性脑卒中患者507例，分为PSD组和非PSD组。采集患者一般资料、检查指标、量表评估及中医五神要素等信息。按7∶3比例将数据集随机划分为训练集和验证集。运用Logistic及LASSO回归分析筛选危险因素，确定核心预测因子。采用XGBoost、Logistic、LightGBM、AdaBoost、GNB、MLP和SVM 7种机器学习算法对PSD风险预测进行统计建模。采用十折交叉验证，以AUC、准确度、灵敏度、特异度和F1分数为模型预测精度衡量指标。采用SHAP算法解释黑匣子模型，评估预测性能和校准程度。结果 性别、活动能力、NIHSS评分、PSQI评分、认知障碍、RDW、额叶和基底节病灶、神强、神弱、魂弱和魄弱是PSD的核心预测因子。XGBoost算法建模的AUC、准确度、敏感度、特异度、F1分数分别为0.993、0.963、0.963、0.965、0.944，均高于其他算法。结论 基于性别、活动能力、NIHSS、PSQI、认知障碍、RDW、额叶和基底节病灶、神强、神弱、魂弱和魄弱构建的XGBoost模型预测性能最佳，可为临床PSD人群风险评估及诊治决策提供客观化依据。

关键词

卒中后抑郁 / 机器学习 / 中医五神理论 / 危险因素 / 治未病 / 多模态 / 预测模型