Using deep learning to predict internalizing problems from brain structure in youth
8.0
来源：
Nature
发布时间：
2025-08-29 19:33
摘要：
本研究利用深度学习技术，分析了青少年内部化问题与脑结构特征之间的关系。通过对来自多个大型数据集的样本进行分析，研究发现深度学习模型能够有效预测青少年内部化问题的临床表现，尤其是在神经发育条件下的个体中。模型的预测准确性（AUC）在不同样本中表现出色，尤其是在神经发育条件的个体中，显示出深度学习在个性化心理健康护理中的潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+1.0分
business_impact
0.5分+0.5分
scientific_rigor
1.5分+1.5分
timeliness_innovation
1.5分+1.5分
investment_perspective
2.5分+2.5分
market_value_relevance
1.0分+1.0分
team_institution_background
0.5分+0.5分
technical_barrier_competition
1.0分+1.0分
关键证据
深度学习模型在预测青少年内部化问题中表现良好，AUC达到0.80。
研究利用四个大型数据集，样本量达到14,523，提供了强有力的统计支持。
模型在神经发育条件下的个体中表现尤为突出，AUC达到0.80。
真实性检查
否
AI评分总结
本研究利用深度学习技术，分析了青少年内部化问题与脑结构特征之间的关系。通过对来自多个大型数据集的样本进行分析，研究发现深度学习模型能够有效预测青少年内部化问题的临床表现，尤其是在神经发育条件下的个体中。模型的预测准确性（AUC）在不同样本中表现出色，尤其是在神经发育条件的个体中，显示出深度学习在个性化心理健康护理中的潜力。