Прогнозирование в рутинной клинической практике: естественное сравнение клиницистов и модели машинного обучения для пациентов, получающих лечение по поводу генерализованного тревожного расстройства

Исследование сравнило точность прогнозов исхода психотерапии, сделанных клиницистами и моделью машинного обучения (байесовское аддитивное регрессионное дерево), у 100 пациентов с генерализованным тревожным расстройством. Модель показала численно более высокую точность для показателей GAD-7, надежного улучшения и выздоровления, однако эти различия не были статистически значимыми. Оба подхода плохо предсказывали ухудшение. Клиницисты сообщали о высокой уверенности в своих прогнозах (в среднем 67,3%), которая не коррелировала с точностью. Анализ объяснений клиницистов выявил, что они опирались на контекстуальные факторы (мотивация, вовлеченность), не входящие в рутинно собираемые данные.

**Выводы:** Модель машинного обучения незначительно превзошла клиницистов по точности прогноза исхода психотерапии при генерализованном тревожном расстройстве, но различия не были статистически значимы. Высокая субъективная уверенность клиницистов не отражала фактическую точность их прогнозов. Структурированные прогностические модели могут дополнить клиническое суждение, особенно с учётом факторов, не фиксируемых в стандартных данных.