美國時間19日，布萊根麻省總醫院(Mass General Brigham)的研究團隊開發出一項新的人工智慧(AI)預測模型，協助辨識出罹患產後憂鬱症(postpartum depression)的高風險群，進而找出最能從預防性照護中受益的產婦。這項研究刊登在《美國精神病學期刊》(American Journal of Psychiatry)。
 
根據統計，全球約有17%的產婦會罹患產後憂鬱症。這種精神疾病會造成激烈的憂傷、焦慮或絕望感，增加與自殺與自殘風險，時間可能長達生產後一年。
 
研究團隊表示，如果能夠事先知道誰是高風險群，我們就可以為他們提供量身打造的產後照護計畫，以預防產後憂鬱，例如在產後初期和潛在症狀出現時，提供產後憂鬱的預防、篩檢和管理。
 
在這項回顧性隊列研究中，研究團隊使用了來自超過2.9萬名、於2017年~2022年間在美國生產的產婦資料，包括電子病歷及產後憂鬱篩查分數(postpartum depression screening scores)，並排除在生產前1年內有憂鬱症病史的人群，因為他們是已知風險更高的族群。這些產婦的資料其中一半用於模型訓練，一半則做為驗證的獨立組別。
 
研究團隊採用的預測因素，包含社會人口因素、病史和產前憂鬱症篩檢訊息，這些訊息都是在入院生產前已知的項目。產後憂鬱的定義，則定為患有情緒障礙、抗憂鬱藥物處方或是愛丁堡產後憂鬱量表(Edinburgh Postnatal Depression Scale)測驗結果為陽性。
 
經過外部驗證結果顯示，模型預測專一性90%下，陽性預測率為28.8%，陰性預測率為92.2%。已生育並被模型標記為產後憂鬱高風險的產婦，罹患此病的可能性是平均標準父母的三倍。
 
本研究通訊作者、布萊根麻省總醫院(Mass General Brigham)精神病學家Roy Perlis表示，雖然這個模型還不完美，但考量到資源並不足以為每個人都提供後續照護，因此預測仍有其用處。
 
丹麥奧胡斯大學流行病學家Mette-Marie Zacher Kjeldsen表示，雖然我們已經知道產後憂鬱有哪些的風險因子，但診斷依然不足，這意味著對於早期偵測系統對於找出風險最高的患者、讓他們接受治療，仍有明顯的需求。
 
接下來，研究團隊將會研究如何將這項工具整合到真實世界的醫院中，在臨床場域中發揮功用，以及如何與女性分享這些訊息。
 
參考資料：
https://www.nature.com/articles/d41586-025-01537-7
原始研究：
https://psychiatryonline.org/doi/10.1176/appi.ajp.20240381
 
(編譯 / 吳培安)