An explainable machine learning-based approach to predicting treatment response for neurofeedback in ADHD
8.3
来源：
Nature
关键字：
neuromodulation
发布时间：
2025-12-04 23:46
摘要：
本研究提出了一种可解释的机器学习框架，旨在预测注意缺陷多动障碍（ADHD）患者对神经反馈治疗的反应。通过分析72名患者的行为和人口统计数据，研究确定了20个具有显著预测能力的特征，并利用随机森林模型实现了88.3%的准确率。该模型的可解释性通过SHAP值分析得以增强，提供了对个体患者的治疗反应的透明理解，推动了个性化医疗的进展。
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+核心领域符合度
business_impact
0.5分+市场拓展
scientific_rigor
1.5分+有具体实验数据
timeliness_innovation
1.5分+重大创新
investment_perspective
2.5分+早期研发
market_value_relevance
1.0分+高发疾病
team_institution_background
0.3分+知名机构
technical_barrier_competition
0.5分+技术壁垒一般
关键证据
研究展示了一种新颖的可解释机器学习框架，用于预测ADHD患者对神经反馈治疗的反应。
通过对72名ADHD患者的行为和人口统计数据进行分析，确定了20个具有显著预测能力的特征。
该研究提出了一种可解释的机器学习模型，预测ADHD患者对神经反馈的反应，准确率达到88.3%。
真实性检查
否
AI评分总结
本研究提出了一种可解释的机器学习框架，旨在预测注意缺陷多动障碍（ADHD）患者对神经反馈治疗的反应。通过分析72名患者的行为和人口统计数据，研究确定了20个具有显著预测能力的特征，并利用随机森林模型实现了88.3%的准确率。该模型的可解释性通过SHAP值分析得以增强，提供了对个体患者的治疗反应的透明理解，推动了个性化医疗的进展。