本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

EV0467

利用人工智能预测人群层面的抑郁症、阿尔茨海默病和帕金森病发病率：对医疗服务规划的启示

POPULATION-LEVEL PREDICTION OF DEPRESSION, ALZHEIMER’S DISEASE, AND PARKINSON’S DISEASE INCIDENCE USING ARTIFICIAL INTELLIGENCE: IMPLICATIONS FOR HEALTH SERVICE PLANNING

基于墨西哥全国报告数据训练的时间序列和机器学习模型，在全国层面的预测误差较低，但在州层面的误差明显增大，其对医疗服务规划的实际价值尚未得到评估。

本研究旨在依据墨西哥国家流行病学监测系统的每周公报，对抑郁症（F32）、阿尔茨海默病（G30）和帕金森病（G20）的报告病例数进行未来52周的预测，并通过测量误差水平，探索其在服务、人员和预算规划中的适用性；海报特别强调，预测的是报告病例数，而非临床发病率。研究采用回顾性时间序列设计，涵盖2014—2026年；按疾病、地区和性别追踪每周病例数，涵盖3种疾病、37个地区单元（32个州、全国及4个州组）和3个分层（男性、女性及男女合计），共构建333条时间序列，并采用四种统计及机器学习方法：用于建模趋势和周期的Prophet、基于神经网络的DeepAR、用于组合预测结果的Ensemble，以及学习如何组合预测结果的Stacking；每条时间序列均单独选择模型，在全国层面，抑郁症选用DeepAR，帕金森病和阿尔茨海默病选用Prophet。研究将预测结果与2026年第7—31流行病学周（25周）的报告数据进行比较，其中第24—31周（8周）的预测已预先登记，并采用对称平均绝对百分比误差（symmetric mean absolute percentage error，sMAPE）和平均绝对误差（mean absolute error，MAE）评估模型性能。全国层面的结果显示，在25周和8周两个时间窗口内，抑郁症的sMAPE分别为8.7%和5.0%，帕金森病为10.6%和6.7%，阿尔茨海默病为14.4%和17.8%；抑郁症的MAE分别为260.2和153.8，帕金森病为16.5和10.3，阿尔茨海默病为6.2和7.4。抑郁症25周全国累计预测病例数为74,675例，报告病例数为75,859例，预测值较报告总数低1.6%；相比之下，州层面25周sMAPE的中位数为21.6%，最高值出现在特拉斯卡拉州，达46.7%。研究强调，全国层面的准确性并不能保证地方层面的准确性，病例数较少时，较小的绝对误差也可能表现为较大的相对误差。作为一项补充性描述结果，截至2026年第31周，累计报告的抑郁症病例中，女性为67,753例（73.1%），男性为24,974例（26.9%）；海报指出，该数据对应不同的时间窗口和变量，不能与全国预测数值进行比较。作者指出，预测可为人员配置和预约安排提供参考，但不应作为确定预算的依据；仍需开展地方层面的前瞻性验证，且其对医疗服务的实际价值尚未得到评估。研究局限包括缺乏实测的医疗照护需求或临床获益数据、研究并非完全前瞻性、未进行年龄相关评估和境外验证，以及可能存在漏报。

全部 WCP 2026 摘要