MAC-Lab实验室与安徽医科大学联合培养黄雅婷同学在期刊《Journal of affective disorders》上投稿的论文《Comparison of three machine learning models to predict suicidal ideation and depression among Chinese adolescents: A cross-sectional study》已被接收。

论文收集了10243名中国青少年的10个心理量表和20项社会人口学参数纳入随机森林（RF）、支持向量机（SVM）和决策树（DT），用于自杀意念的二分法预测（是/否）和抑郁症的三分法预测（无抑郁症、轻中度抑郁或严重抑郁）。发现影响自杀意念和抑郁的最重要心理因素是快感缺乏、缺乏社会支持、与母亲的依恋关系、童年时期的情感忽视和非自杀性自伤行为，不同类别的自杀和抑郁状态之间的社会人口学参数和量表得分也存在显着差异。其中，青少年在对父亲、母亲和同伴的依恋、童年创伤的暴露程度、社会人口学项目得分和社会支持方面存在性别差异。RF 模型在预测自杀意念（平均准确度 (ACC) = 87.3%，SD = 3.2%，曲线下面积 (AUC) = 92.4%）和抑郁状态（ACC = 84.0%，SD = 2.8% , AUC = 90.1%) 时的表现要优于SVM和DT。