耿易
當我陪媽媽到醫院演奏大提琴給精神科的病人聆聽時,我突然想到,是否可以利用自己的專長(AI模型、基因學與大數據分析),嘗試發展一套能夠預測憂鬱症風險的模型。當這個構想出現時,中研院剛好釋出台灣人體生物資料庫供學者進行研究,因此也提供了適合的族群資料來發展AI模型。在準備的過程中,最困難的是程式碼的撰寫。幸好現在有許多大型語言模型(LLM)可以協助快速生成程式碼,再配合反覆除錯與調整的過程,使我能一步一步克服困難,最終得到相當不錯的研究結果。
本研究的主要優勢在於整合基因資料、臨床表型與機器學習方法來預測憂鬱症風險。與傳統僅使用單一基因風險分數(PRS)的研究相比,本研究將 PRS 與臨床變數(年齡、性別、共病與生活型態)結合,並透過多種機器學習模型進行分析,使模型的預測能力明顯提升。
僅使用台灣族群、缺乏外部驗證、憂鬱症的盛行率相對低、憂鬱症與否是採用問卷而非專業醫師診斷、許多心理及環境變項未納入研究。