抑郁药物选择中可解释的多层次反事实推理（个人化与人群层面）
人工智能
2025-08-26 v1
摘要
背景：本研究探讨了重大抑郁障碍 (MDD) 症状——由 Hamilton 抑郁评分量表 (HAM-D) 量化——如何在 SSRIs 与 SNRIs 处方之间产生因果影响。方法：我们应用可解释的反事实推理与反事实解释 (CFs) 来评估特定症状变化对抗抑郁药物选择的影响。结果：在 17 个二元分类器中，随机森林实现了最佳性能（准确率、F1、精确率、召回率、ROC-AUC 接近 0.85）。样本基于的 CF 揭示了 individual symptoms 在药物选择中既是局部也是全局的特征重要性。结论：反事实推理阐明了哪些 MDD 症状最强烈地驱动 SSRI 与 SNRI 选择，增强了基于 AI 的临床决策支持系统的可解释性。未来工作应在更具代表性的队列中验证这些发现，并为临床部署细化算法。
引用
@article{arxiv.2508.17207,
title = {Explainable Counterfactual Reasoning in Depression Medication Selection at Multi-Levels (Personalized and Population)},
author = {Xinyu Qin and Mark H. Chignell and Alexandria Greifenberger and Sachinthya Lokuge and Elssa Toumeh and Tia Sternat and Martin Katzman and Lu Wang},
journal= {arXiv preprint arXiv:2508.17207},
year = {2025}
}