2022-01-26 08:45

利用可穿戴技术数据来检测抑郁症的计算机程序

Scientists develop computer programme that uses data from wearable technology to detect depression

新加坡南洋理工大学(NTU Singapore)的一组科学家开发了一种预测计算机程序,可以用来检测那些患抑郁症风险较高的人。

在使用抑郁组和健康组的数据进行的试验中,该项目在检测抑郁高危人群和无风险人群方面达到了80%的准确率。

这个名为“Ycogni模型”(Ycogni model)的程序在机器学习的支持下,通过分析一个人的身体活动、睡眠模式和昼夜节律来筛查抑郁症的风险,这些数据来自可穿戴设备,可测量他或她的步数、心率、能量消耗和睡眠数据。

根据世界卫生组织的数据,抑郁症影响着全球2.64亿人,其中一半的病例未被诊断和治疗。在新加坡,COVID-19大流行导致人们对心理健康的担忧加剧。新加坡心理健康研究所(Institute of Mental Health)的一项新研究指出,心理健康问题可能会增加,包括与疫情相关的抑郁症。

据估计,有近10亿人佩戴活动追踪器,而2019年有7.22亿人佩戴。

为了开发Ycogni模型,科学家们对新加坡290名在职成年人进行了一项研究。参与者连续14天佩戴Fitbit Charge 2设备,并在研究开始和结束时完成两项健康调查,以筛查抑郁症状。

参与者的平均年龄为33岁,样本与新加坡的族裔人口非常接近。参与者被要求一直佩戴追踪器,只有在洗澡或设备需要充电时才可以摘下。

南洋理工大学李光前医学院(LKCMedicine)人口健康科学中心主任乔西普·卡教授是这项研究的负责人之一,他说:“我们的研究成功地表明,我们可以利用来自可穿戴设备的传感器数据来帮助检测个人患抑郁症的风险。”通过点击我们的机器学习程序,以及日益流行的可穿戴设备,它有一天可能被用于及时而不唐突的抑郁症筛查。”

南洋理工大学南洋商学院的乔治奥斯•克里斯托夫洛斯副教授是这项研究的负责人之一,他说:“我们希望,这项研究可以为利用可穿戴技术帮助个人、研究人员、心理健康从业者和决策者改善心理健康奠定基础。”但在更通用和未来的应用中,我们相信这些信号可以与智能建筑甚至智能城市计划相结合:想象一家医院或一个军事单位可以使用这些信号来识别处于危险中的人。”

该研究结果于11月发表在同行评议的学术期刊JMIR mHealth和uHealth上。

生命体征l与抑郁症状有关

除了能够准确地确定个体是否有更高的患抑郁症的风险外,研究人员还成功地将参与者行为中的某些模式与抑郁症状联系起来,包括无助和绝望的感觉,对日常活动失去兴趣,以及食欲或体重的变化。

通过分析研究结果,科学家们发现,那些在凌晨2点到4点以及4点到6点之间心率变化较大的人,往往更容易出现严重的抑郁症状。这一观察结果证实了之前的研究结果,即睡眠时心率的变化可能是抑郁的有效生理标记。

该研究还将睡眠模式不规律(如不同的起床时间和就寝时间)与更容易出现抑郁症状联系起来。

科学家们解释说,尽管工作日的节奏主要由工作习惯决定,但遵循工作习惯的能力更好地区分了抑郁的人和健康的人,健康的人在起床和睡觉的时间上表现出更大的规律性。

Car教授补充说:“我们希望扩大我们的研究,包括检测抑郁风险的其他生命体征,如皮肤温度。”对我们的项目进行微调,可以帮助在普通人群中促进早期、不显眼、持续和成本效益的抑郁症检测。”

克里斯托弗教授补充说:“我们的团队还将致力于扩展到其他类型的心理状态,比如精神疲劳,这似乎是一个令人担忧的问题。”可穿戴设备还可以作为反馈系统的一部分,帮助治疗师更好地评估患者的心理状态,比如改善睡眠质量。”

在接下来的一年里,该团队希望通过丰富智能手机使用数据的模型来探索智能手机使用对抑郁症状的影响和发展为抑郁症的风险。这包括个人使用手机的时间和频率,以及他们对社交媒体的依赖程度。