心理健康轨迹建模：挑战与机遇
机器学习
2016-12-06 v1 机器学习
应用统计
摘要
超过三分之二的心理健康问题始于童年或青春期。识别日后生活中面临心理疾病风险的儿童并预测疾病类型并非易事。我们着手开发一个平台，利用基于纵向、多因子特征测量来定义童年社会情感发展的亚型。通过本研究发现的亚型最终可推进关于心理疾病早期行为迹象的精神病学知识。为此，我们考察了两类模型：潜类别混合模型和基于高斯过程的模型。我们的研究结果表明，尽管 GP 模型在预测未来轨迹的准确度上接近，但 LCMM 能以极短的时间同样准确地预测轨迹。遗憾的是，目前这两种模型的准确度均不足以产生直接的临床影响。与童年心理健康发展相关的可用数据通常很稀疏，仅测量了少数时间点，因此需要具有更高效率和准确度的新方法。
引用
@article{arxiv.1612.01055,
title = {Modeling trajectories of mental health: challenges and opportunities},
author = {Lauren Erdman and Ekansh Sharma and Eva Unternahrer and Shantala Hari Dass and Kieran ODonnell and Sara Mostafavi and Rachel Edgar and Michael Kobor and Helene Gaudreau and Michael Meaney and Anna Goldenberg},
journal= {arXiv preprint arXiv:1612.01055},
year = {2016}
}
备注
extended abstract for ML4HC at NIPS 2016, 4 pages