热点事件历史事件
9751份脑电研究：AI识别患者易、区分诊断难
1 篇报道1 个报道来源5 天前更新
先了解这件事
AI 综述
一项基于成都、杭州两家医院 9751 份静息态脑电的双地点横断面研究，考察机器学习模型在精神障碍识别与具体诊断区分上的表现。结果显示，XGBoost 模型区分患者与健康对照的表现强于区分具体诊断；三类患者均出现 alpha 频段功率降低和 gamma 功能连接增强，慢波功率增高仅见于精神分裂症。研究还发现跨地点测试时性能下降：成都训练的模型用于杭州样本时，MDD–HC 的 AUC 从 0.89 ± 0.04 降至 0.62 ± 0.04。该研究为横断面设计，结果反映的是脑电特征与诊断分组之间的关联，尚不能说明因果，也不能直接推广为临床诊断工具。
AI 根据报道生成 · 5 天前更新
最新进展11月8日 15:36
新报道显示，该双地点脑电研究强调跨地点测试时模型性能明显下降。报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- PsyEngineTranslational Psychiatry｜9751 份脑电研究：AI 较易识别精神障碍患者，较难区分具体诊断
一项基于成都、杭州两家医院 9751 份静息态脑电的双地点横断面研究显示，XGBoost 模型区分患者与健康对照的表现强于区分具体诊断，且跨地点测试时性能下降。三类患者均有 alpha 频段功率降低和 gamma 功能连接增强，慢波功率增高仅见于精神分裂症。成都训练的模型用于杭州样本时，MDD–HC 的 AUC 从 0.89 ± 0.04 降至 0.62 ± 0.04。
本事件热度走势
当前热度 1·可比范围峰值 4（11月8日 22:00）·近 24 小时可比范围变化 -19%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。