📰 منبع: Journal of Affective Disorders / PubMed — ۱۴ اوت ۲۰۲۶
پژوهشی تازه دربارهٔ پیشبینی مسیر افسردگی در بزرگسالی نشان میدهد که حتی ترکیب چند الگوریتم یادگیری ماشین، آیندهٔ روانی یک فرد را بهسادگی قابلپیشبینی نمیکند. مطالعه از دادههای طولی Add Health استفاده کرد و ۳۲۰۸ بزرگسال آمریکایی را در فاصلهای حدود شش سال دنبال کرد. دادههای مرحلهٔ نخست در سالهای ۲۰۱۶ تا ۲۰۱۸ و ارزیابی بعدی در سالهای ۲۰۲۲ تا ۲۰۲۵ گردآوری شده بود.
پژوهشگران نمونه را به ۲۲۴۷ نفر برای آموزش و ۹۶۱ نفر برای آزمون کاملاً کنارگذاشتهشده تقسیم کردند. شدت نشانهها با زیرمقیاس پنجگویهای عاطفهٔ منفی از مقیاس افسردگی CES-D سنجیده شد. مدل اصلی «سوپر لرنر» بود؛ روشی که ده الگوریتم پایه، از جمله رگرسیون منظمشده و جنگل تصادفی، را با توجه به خطای اعتبارسنجی با هم ترکیب میکند. سپس با روش SHAP سهم نسبی هر عامل در پیشبینی خروجی بررسی شد.
نتیجه برخلاف تصور رایج دربارهٔ برتری خودکار مدلهای ترکیبی بود. سوپر لرنر در مجموعهٔ آزمون بر هشت مورد از ده الگوریتم پایه برتری قابلاعتماد نشان نداد. مهمترین عامل برای پیشبینی شدت نشانهها در شش سال بعد، امتیاز افسردگی در شروع مطالعه بود. پس از آن، استرس ادراکشده، سابقهٔ تشخیص افسردگی، تجربهٔ تبعیض روزمره و دفعات حضور در دورهمیهای اجتماعی قرار گرفتند.
با این حال، هیچیک از مدلها بیش از یکچهارم تفاوتهای شدت نشانهها در آینده را توضیح نداد. این سقف پایین یادآوری میکند که متغیرهای ثبتشده در یک پیمایش، همهٔ تغییرات زندگی، روابط، بیماریهای جسمی، درمان، محیط اقتصادی و رویدادهای پیشبینیناپذیر را پوشش نمیدهند. همچنین خروجی مطالعه شدت نشانههای خودگزارششده بود، نه تشخیص بالینی قطعی؛ و نتایج یک گروه آمریکایی را نمیتوان بدون آزمون مستقل به جمعیتهای دیگر تعمیم داد.
اهمیت خبر در محتاطکردن انتظارها از «پیشبینی فردی» در سلامت روان است. الگوریتمها میتوانند الگوهای جمعیتی و عوامل مهم را آشکار کنند، اما این مطالعه نشان نمیدهد که بتوان با اطمینان دربارهٔ سرنوشت ششسالهٔ یک فرد حکم داد. سابقهٔ افسردگی و فشارهای روانی ـ اجتماعی برای برنامهریزی مراقبت مهماند، ولی خروجی مدل باید همراه با گفتوگوی بالینی، وضعیت فعلی و ترجیحات فرد تفسیر شود. پژوهشگران نیز نتیجه گرفتهاند که برترینداشتن مدل پیچیده و مقدار محدود واریانس توضیحدادهشده، انتظار از کاربردهای شخصیسازیشده را تعدیل میکند.
این خبر بخشی از بخش اخبار روانای است و خلاصهای آزاد از منبع ذکرشده است، نه یک تحلیل تخصصی. این محتوا جایگزین مشاوره، تشخیص یا ارزیابی حرفهای نیست.
