مطالعه نشان می دهد داده های دستگاه های ردیابی تناسب اندام پوشیدنی می تواند به تشخیص اختلالات روانی کمک کند

افسردگی و اضطراب دو مورد از شایع ترین بیماری های روانی در ایالات متحده هستند، با این حال بیش از نیمی از مبتلایان نه شناسایی و نه درمان می شوند. پزشکان سلامت روان در حال بررسی نقش مانیتورهای تناسب اندام پوشیدنی محبوب در ارائه داده هایی هستند که می تواند به پوشندگان از خطرات بالقوه سلامتی هشدار دهد، به امید یافتن راه های آسان برای تشخیص چنین بیماری هایی.

اگرچه امکان سنجی بلندمدت تشخیص چنین اختلالاتی با فناوری پوشیدنی یک سوال باز برای جمعیت بزرگ و متنوع است، تیمی از محققان دانشگاه واشنگتن در سنت لوئیس نشان داده اند که دلیلی برای خوش بینی وجود دارد. آنها یک مدل یادگیری عمیق به نام WearNet توسعه دادند که در آن 10 متغیر جمع آوری شده از ردیاب فعالیت Fitbit را بررسی کردند. متغیرها شامل همه چیز از کل گام‌های روزانه و میزان کالری سوزی گرفته تا میانگین ضربان قلب و دقیقه‌های کم تحرک هستند. محققان داده های Fitbit را در مورد افراد برای بیش از 60 روز جمع آوری کردند.

هنگامی که به عوامل خطر افسردگی و اضطراب نگاه می کنیم، WearNet نسبت به مدل های پیشرفته یادگیری ماشینی کار بهتری در تشخیص افسردگی و اضطراب انجام داد. علاوه بر این، پیش‌بینی‌کننده‌های سطح فردی پیامدهای سلامت روان را تولید کرد، در حالی که سایر تحلیل‌های آماری کاربران دستگاه‌های پوشیدنی، همبستگی‌ها و خطرات در سطح گروه را ارزیابی کردند.

پژوهشگر چنیانگ لو، پروفسور فولگراف در دانشکده مهندسی مک‌کلوی و استاد پزشکی در دانشکده پزشکی، گفت: «یادگیری عمیق ارتباط پیچیده این متغیرها را با اختلالات روانی آشکار می‌کند. “یادگیری ماشین قدرتمندترین ابزار ما برای استخراج این روابط اساسی است. کار ما شواهدی بر اساس یک گروه بزرگ و متنوع ارائه کرد که نشان می‌دهد می‌توان اختلالات روانی را با دستگاه‌های پوشیدنی تشخیص داد. گام بعدی متقاعد کردن یک سیستم بیمارستانی یا شرکتی برای اجرای آن است.”

این محققان عبارتند از Ruixuan Dai، که در آزمایشگاه لو به عنوان یک دانشجوی فوق دکترا کار می کرد و اکنون مهندس نرم افزار در گوگل است. توماس کانامپالیل، دانشیار بیهوشی و دانشیار مدیر اطلاعات در دانشکده پزشکی و دانشیار علوم کامپیوتر و مهندسی در مهندسی مک‌کلوی؛ سئونگوان کیم، دانشجوی دکترا در دانشکده پزشکی؛ ورا تورنتون، کاندیدای MD/PhD در دانشکده پزشکی؛ و لورا بیروت، دکتر، استاد روانپزشکی در دانشکده پزشکی.

این تیم یافته های خود را در 10 مه در کنفرانس ACM/IEEE در مورد طراحی و پیاده سازی اینترنت اشیا ارائه کردند. این مقاله در کنفرانس جایزه بهترین مقاله تحلیل داده های اینترنت اشیا را دریافت کرد.

به گفته لو، داده های پوشیدنی می تواند برای تشخیص و درمان سلامت روان مفید باشد.

وی گفت: مراجعه به روانپزشک و تکمیل پرسشنامه ها زمان زیادی می برد و در این صورت ممکن است افراد تا حدودی تمایلی به مراجعه به روانپزشک نداشته باشند. “مردم زندگی خود را در حالی که از بیماری رنج می برند، زندگی می کنند، که منجر به کاهش بهره وری و کیفیت پایین تر زندگی می شود. این مدل هوش مصنوعی قادر است به شما بگوید که افسردگی یا اختلالات اضطرابی دارید. به مدل هوش مصنوعی به عنوان یک ابزار غربالگری خودکار فکر کنید که می تواند به شما مراجعه به روانپزشک را توصیه کند.”

محققان گفتند که “نیاز فوری به یک رویکرد غیر مداخله ای برای تشخیص اختلالات روانی وجود دارد.” “تشخیص زودهنگام می تواند به پزشکان در تشخیص و درمان سریع اختلالات روانی کمک کند. همچنین می تواند افراد را قادر سازد تا رفتار خود را اصلاح کنند و تأثیر اختلالات را کاهش دهند.

محققان دانشگاه واشنگتن داده‌های بیش از 10000 کاربر Fitbit را بررسی کردند که بزرگترین گروهی از دستگاه‌های پوشیدنی است که تاکنون در یک مطالعه شرکت کرده‌اند. مطالعات قبلی بر این باور بودند که گروه‌های کوچک، برخی به کوچکی 10 نفر، بخش عمده‌ای از صدها کاربر را تشکیل می‌دهند.

مطالعه دانشگاه واشنگتن شامل طیف گسترده ای از سنین، نژادها، قومیت ها و سطوح تحصیلی بود که متنوع ترین گروه تا به امروز است. داده های آنها از برنامه تحقیقاتی همه ما در مؤسسه ملی بهداشت (NIH) به دست آمده است. این برنامه شامل مجموعه ای از مجموعه های داده است که برای تسریع تحقیقات زیست پزشکی و پزشکی دقیق طراحی شده اند.

تحقیقات غیرمرتبط نیز بر روی دستگاه‌های پوشیدنی به‌عنوان یک «پیگیری طولی امیدوارکننده» برای ارزیابی وضعیت ذهنی گزارش شده است. محققان دانشگاه واشنگتن نوشتند که سایر “فنوتیپ های دیجیتال” مانند الگوهای خواب و رفتار را می توان از طریق دستگاه های پوشیدنی ارزیابی کرد.