מחקרים

בדיקת סקר באמצעות למידת מכונה לאבחון הפרעה דו-קוטבית

חוקרים פיתחו מודל המכיל רשימה חדשה של 10 פריטים המספקת לחוקרים דרך טובה להעריך הפרעות אלה במחקרים ולאבחון מטופלים

מניה-דיפרסיה (אילוסטרציה)

למרות שישנן מספר שיטות סקר מקובלות לזיהוי מטופלים הסובלים מהפרעה דו-קוטבית, ישנו שוני בשיעור הסיווגים בין השיטות השונות המצריך שיטות סקר המבדילות באופן טוב יותר. שיטות סקר קיימות, בתוכן גם ה-DSM-5, מדרגות כל קריטריון כשווה משקל; גישה שיכולה לסכן את מטלת האבחנה אם סימפטומים מסוימים משתנים ברגישות שלהם. לכן, ביקשו החוקרים ליצור שיטת סקר חדשה ולבדוק האם סקאלת דירוג לפי משקלים עדיפה על פני משקל אחיד לכל קריטריון.

במסגרת המחקר יצרו החוקרים מדגם בינלאומי שכלל 165 מטופלים עם הפרעה דו-קוטבית ולהם השוו מדגם של 29 מטופלים עם הפרעה חד קוטבית. כלל המשתתפים עברו הערכה, ובנוסף הוערכו 96 סימפטומים מאניים והיפומאניים מוכרים. כמו כן, מודל קודם של לימוד מכונה זיהה מהם 20 הסימפטומים המבדילים ביותר. במחקר זה, השתמשו החוקרים אך ורק בעשרת הפריטים המבדילים ביותר.

תוצאות המחקר הדגימו כי בין שפריטים דורגו כשקולים או כבעלי משקל שונה לפי מודל לימוד המכונה, רמת הסיווג המדויק הייתה גבוהה מאוד (כ-96%). בנוסף מצאו ניתוחי הנתונים את ערכי הסף האופטימליים לכל מודל. עוד נמצא כי יכולת סיווג טובה התקבלה גם כשהשוו את בנפרד את ציוני קבוצות 1 ו-2 של הפרעה דו קוטבית עם אלה של מטופלים הסובלים מהפרעה חד-קוטבית.

מחקר זה מציג רשימה חדשה של 10 פריטים המספקת לחוקרים דרך טובה להעריך הפרעות אלה במחקרים, ולרופאים יכולת טובה יותר להעריך האם מטופל סובל מהפרעה דו-קוטבית או הפרעת מצב רוח חד-קוטבית.

מקור:

Parker G. et al. Journal of Affective Disorders (2021). https://doi.org/10.1016/j.jad.2021.12.070

נושאים קשורים:  מחקרים,  הפרעה דו-קוטבית,  הפרעות מצב רוח,  בדיקת סקר,  למידת מכונה
תגובות