今日文獻聚焦於青少年雙相情緒障礙的預測模型建置，強調資料多樣性對模型泛化能力的重要性，揭示單純提升模型複雜度無法改善跨設定預測表現，而結合學術與社區樣本的多樣化訓練資料才是提升臨床實用性的關鍵策略。
Journal of affective disorders · Data diversity vs. model complexity in the prediction of pediatric bipolar disorder: Evidence from academic and community clinical samples.
研究發現在預測兒童青少年雙相情緒障礙時，使用結合學術與社區臨床樣本的多樣化訓練資料，優於單純增加模型複雜度（如深度學習），顯著改善模型在異質人群中的外部效度與校正度，其中 PGBI-10M 為最重要預測變項。