摘" 要" 非自杀性自伤(Non-suicidal Self-injury， NSSI)是重大的公共卫生问题， 具有高度污名化、高度复杂性和高度异质性的特点， 传统NSSI研究测量和分析方法有限， 获得的影响因子预测力较低。近年来机器学习逐步应用于NSSI的分析和建模中， 并通过提高NSSI研究工具预测力、增加预测模型复杂度和精确度、区分NSSI类别和亚型， 使整体预测性能上升到中等水平。未来需结合NSSI传统理论和研究方法使筛选标准更严格， 拓展非问卷NSSI数据与深度学习、无监督学习的结合， 根据“先分型、再迁移”的原则增加模型的可复制性与可比性， 进一步提高预测性能。

    关键词" 机器学习， 非自杀性自伤， 预测力， 应用

    分类号" R395

    1" 引言

    非自杀性自伤(Non-suicidal Self-injury， 简称NSSI)指的是个体故意地改变或伤害自己的身体组织， 但无死亡意愿(江光荣 等， 2011)。NSSI是高发性心理障碍， 在人群中广泛存在， 尤其以青少年群体最为严重， 我国青少年自伤检出率在24.9%～29%左右(Qu et al.， 2023; Tang et al.， 2018)。NSSI具有严重的破坏性， 不仅造成直接的身体损伤， 还是自杀的重要风险指标， 甚至比自杀未遂史更能预测自杀行为(Ribeiro et al.， 2016)。NSSI常与其它精神疾病共病， 如抑郁障碍、焦虑障碍、边缘型人格障碍和物质成瘾等(Nitkowski amp; Petermann ......