Artificial intelligence for predicting depression anxiety and stress using psychometric data
8.5
来源：
Nature
关键字：
AI brain science
发布时间：
2025-10-24 23:34
摘要：
该研究利用机器学习算法，特别是支持向量机(SVM)，探讨了预测心理健康问题（如抑郁、焦虑和压力）的潜力。通过分析39,775名参与者的DASS-42问卷数据，研究表明SVM在准确性上表现优异，分别达到了99.3%、98.9%和98.8%的预测准确率。此外，研究提出了一种新的多算法预测框架，旨在提高心理健康评估的准确性和鲁棒性。
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
business_impact
0.5分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
0.5分
关键证据
SVM模型在抑郁、焦虑和压力的预测中分别达到了99.3%、98.9%和98.8%的准确率。
提出了一种新的多算法预测框架，增强了心理健康评估的准确性和鲁棒性。
研究基于39,775名参与者的DASS-42问卷数据，具有较高的科学性和数据支撑。
真实性检查
否
AI评分总结
该研究利用机器学习算法，特别是支持向量机(SVM)，探讨了预测心理健康问题（如抑郁、焦虑和压力）的潜力。通过分析39,775名参与者的DASS-42问卷数据，研究表明SVM在准确性上表现优异，分别达到了99.3%、98.9%和98.8%的预测准确率。此外，研究提出了一种新的多算法预测框架，旨在提高心理健康评估的准确性和鲁棒性。