孙启科 董问天 王克 冯超南 崔霖 李毓明 于淏岿 于滨 石川 纪俊

摘要：针对传统MMPI量表中题目数量过多，许多应用场景下受试者依从性差的问题，提出使用机器学习算法对MMPI量表中的临床量表进行简化的方法，对6种经典机器学习算法的简化效果进行了比较，并在受试者测评数据上对原始和简化后测评结果的敏感度与特异度进行了对比分析。实验结果表明，使用最小绝对收缩和选择算子（LASSO）的算法在保持相近准确率的同时简化效果最好，平均减少了37.3%的男性和39.1%的女性受试者题目数量，并且简化后测评结果的敏感度与特异度仍能保持在原始测评结果的85%，缩短了测评时间，适用于更多的应用场景。

关键词：MMPI;机器学习;量表简化

中图分类号：TP181

文献标志码：A

收稿日期：2021-01-04

基金项目：

国家自然科学基金（批准号：61503208）资助;山东省自然科学基金（批准号：ZR2015PF002）资助。

通信作者：

石川，男，博士，副教授，主要研究方向为精神分裂症、抑郁症及双相障碍。E-mail：shichuan@bjmu.edu.cn

纪俊，男，博士，讲师，主要研究方向为转化医学、医疗大数据分析。E-mail：jijun@healai.com

明尼苏达多项人格测验（Minnesota Multiphasic Personality Inventory，MMPI）[1]是由明尼苏达大学教授Hathaway等共同制定的人格检测量表，在鉴别精神疾病方面有很好的信效度[2-3]，并广泛应用在各个领域。近年来，社会竞争压力不断增加，中国精神疾病的患病率明显上升[4]，精神疾病已成为危害中国人民身心健康的重要疾病之一[5] 。因此，一套高效简捷的人格检测工具对国民精神疾病筛查非常必要。中國使用的MMPI量表是宋维真翻译修订的版本[6]，共有566道题目，信息量庞大，患者应用困难，往往要进行分段实施。……