《Journal of Affective Disorders》:Predicting remission following repetitive transcranial magnetic stimulation in treatment-resistant depression: a comparison of parsimonious and ensemble machine learning models
编辑推荐:
•三变量逻辑回归模型对rTMS治疗后缓解的区分度中等。•更丰富的预测因子和SuperLearner未显示出明确的区分度提升。•仅含MADRS的模型与三变量逻辑回归模型表现相似。•决策曲线提示在20%–30%阈值范围内具有净获益。•临床使用前需要进行外部验证。引言难治性抑郁障碍
- •
三变量逻辑回归模型对rTMS治疗后缓解的区分度中等。
- •
更丰富的预测因子和SuperLearner未显示出明确的区分度提升。
- •
仅含MADRS的模型与三变量逻辑回归模型表现相似。
- •
决策曲线提示在20%–30%阈值范围内具有净获益。
- •
临床使用前需要进行外部验证。
引言
难治性抑郁障碍(TRD)与显著的功能损害和医疗成本相关(Kennedy等,2016;Vida等,2023)。尽管重复经颅磁刺激(rTMS)目前已成为TRD的标准循证治疗方案(Lam等,2024;McClintock等,2018),但临床结局仍存在异质性。常规实践中的缓解率较为有限,且该治疗资源密集,需连续数周每日就诊(Gaynes等,2014)。目前,临床医生缺乏经验证的工具来预测谁会受益,只能依赖临床直觉和试错法。虽然利用脑电图(EEG)信号(Bailey等,2025;Ebrahimzadeh等,2024)或代谢特征(Longpré-Poirier等,2024)等生物标志物识别预测因子的研究兴趣日益增长,以指导患者筛选,但这些标志物在大多数临床环境中尚无法常规获取。因此,利用可获得的数据开发准确的预后模型以识别最可能缓解的患者,有助于优化资源配置和改善患者照护。
近期的努力已开始通过机器学习(ML)应用于临床数据和电子病历(EMR)数据来弥补这一不足。例如,一项基于EMR的rTMS研究取得了中等区分度,缓解的ROC-AUC约为0.69,缓解的ROC-AUC约为0.75(Benster等,2025)。另一项规模较小的研究应用了复杂的基于树的算法处理代谢和临床预测因子,报告了较高的区分度(Liu等,2025)。尽管前景令人鼓舞,此类研究往往优先考虑算法复杂性,而未系统评估这种增加的复杂性相对于使用常规数据的更简单、更可解释的模型是否带来了有意义的收益。这种倾向反映了医学领域的趋势,即高容量ML模型优于传统回归模型的观点通常被默认接受但并未始终得到证实。一项系统综述发现,在低偏倚风险的临床预测任务中,当仅比较偏倚风险较低的研究时,ML相对于逻辑回归并无一致的性能优势(Christodoulou等,2019)。大规模验证研究支持这一发现;使用高维时间预测因子的集成模型相较于回归基准模型的增量收益微乎其微(Shortreed等,2023),而逻辑回归在预测慢性病风险方面表现与支持向量机和随机森林相当(Nusinovici等,2020)。在精神病学领域,部分研究表明非线性算法在特定任务中可产生小幅收益(Blankers等,2020),但线性和逻辑回归通常仍然稳健且具有竞争力。此外,综述指出精神病学预测建模中存在普遍的偏倚、过拟合问题,且缺乏临床效用评估(Hu等,2025;Meehan等,2022)。因此,作者们呼吁研究者转向严格的内部验证和决策分析评估,以确定模型是否支持更好的临床决策(Christodoulou等,2019;Hu等,2025;Meehan等,2022)。
在此背景下,我们的目标是严谨比较模型复杂度与临床效用,以预测TRD队列中rTMS的缓解。独特之处在于,我们构建了四个平行特征集,从常规临床数据(*基线*)到丰富的心理测量特征集(*评分*、*维度*、*条目*),并使用统一的流程评估了采用简约或完整预测因子集的逻辑回归与*SuperLearner*集成模型的比较。
我们的主要比较旨在评估相对于预先指定的三变量LR_Simple参考模型,更丰富的特征集或SuperLearner集成模型是否能改善缓解的区分度和校准度。作为次要探索性目标,采用决策曲线分析评估缓解预测的潜在临床效用。
章节摘要
研究设计与环境
这项回顾性队列研究在加拿大魁北克蒙特利尔大学医院中心(CHUM)的精神神经调节中心进行,该中心是一家三级学术医疗中心。我们纳入2012年1月至2025年11月间因重性抑郁发作接受rTMS治疗的成人记录;分析队列根据下文所述的结局和基线数据可用性进行界定。研究方案获得了CHUM研究伦理委员会的批准(注册研究
研究人群与治疗结局
审查的数据库包含543条唯一记录。60条缺乏基线MADRS评分,57条有基线但无随访MADRS评分,剩余426条具有两次评估。在419名结局完整且基线MADRS>10的患者中,156名不符合数据可用性规则。参与者层面的数据可用性规则排除了159条记录,保留了267条;其中4条保留记录基线MADRS≤10,最终分析队列为263例(图1)。
最终队列包含263名参与者
讨论
在本单中心队列中,各模型的缓解区分度为中等。更丰富的特征集或SuperLearner集成模型均未超过预先指定的三变量参考模型LR_Simple的预测性能。仅含MADRS的基准模型得出的ROC-AUC点估计相似,配对比较未显示在该队列中增加年龄和性别所带来的增量区分度。校准后的ROC-AUC范围为0.685至0.711,且所有
CRediT作者贡献声明
Laurent Elkrief:写作——审阅与编辑、写作——原始稿件、可视化、验证、软件、项目管理、方法学、调查、形式化分析、概念化。Brayan Estiven Gonzalez:写作——审阅与编辑、方法学、数据整理。Sara Boubekri:写作——审阅与编辑、方法学、数据整理。André Do:写作——审阅与编辑、资源、数据整理。Fran?ois Trottier-Duclos:写作——审阅与编辑、数据整理。Jean-Philippe
伦理标准
作者声明,本研究所有程序均符合相关国家和机构人类实验伦理委员会的伦理标准,并符合1975年《赫尔辛基宣言》(2008年修订版)。研究获得了蒙特利尔大学医院中心研究伦理委员会的批准(注册号#08.108)。
生成式AI和AI辅助技术在写作过程中的声明
在撰写本工作期间,作者使用了Anthropic的Claude(Sonnet 4.6、Opus 4.6和Opus 5.0;通过claude.ai和Anthropic API访问)以及OpenAI Codex(GPT 5.6)辅助语言编辑和手稿修订,以及分析和图表生成代码的编写与调试。所有图表均使用作者自行编写的代码和分析结果以编程方式生成。这些工具未用于生成、收集或分析数据,未用于生产
资金
本工作由美国国家卫生研究院资助[拨款号MH119314、MH129699授予B.W.]。资助方未参与研究设计、数据收集、分析和解释、报告撰写或提交文章发表的决策。内容仅代表作者负责,不一定代表美国国家卫生研究院的官方观点。
利益冲突声明
A.D.曾从AbbVie、加拿大卫生研究院和Otsuka获得临时演讲、咨询或顾问或研究资金的酬劳。其他作者声明无利益冲突。
致谢
作者感谢蒙特利尔大学医院中心精神神经调节中心的临床工作人员对患者照护和数据收集的贡献。
Laurent Elkrief|Brayan Estiven Gonzalez|Sara Boubekri|André Do|Fran?ois Trottier-Duclos|Jean-Philippe Miron|Nicolas Garel|Giovanni Briganti|Paul Lespérance|Benjamin Wade