Depresyon ve anksiyete, Amerika Birleşik Devletleri’ndeki en yaygın akıl sağlığı hastalıklarından ikisidir, ancak etkilenenlerin yarısından fazlası ne teşhis edilir ne de tedavi edilir. Akıl sağlığı doktorları, bu tür hastalıkları teşhis etmenin basit yollarını bulma umuduyla, kullanıcıları potansiyel sağlık tehlikelerine karşı uyarabilecek veriler sağlamada popüler giyilebilir fitness monitörlerinin rolünü araştırıyorlar.
Bu tür bozuklukları giyilebilir teknoloji ile tespit etmenin uzun vadeli uygulanabilirliği, geniş ve çeşitli bir popülasyonda açık bir soru olsa da, St. Louis’deki Washington Üniversitesi’nden bir araştırma ekibi, iyimser olmak için nedenler olduğunu gösterdi. Fitbit etkinlik izleyici tarafından toplanan 10 değişkeni inceledikleri WearNet adlı bir derin öğrenme modeli geliştirdiler. Değişkenler, toplam günlük adım ve kalori yakma oranlarından ortalama kalp atış hızına ve oturma dakikalarına kadar her şeyi içeriyordu. Araştırmacılar, 60 günden fazla bir süredir bireyler için Fitbit verilerini derledi.
Depresyon ve anksiyete risk faktörleri göz önüne alındığında WearNet, depresyon ve anksiyeteyi tespit etmede son teknoloji makine öğrenimi modellerinden daha iyi bir iş çıkardı. Ayrıca, zihinsel sağlık sonuçlarına ilişkin bireysel düzeyde tahminler üretirken, giyilebilir cihaz kullanıcılarının diğer istatistiksel analizleri, grup düzeyinde korelasyonları ve riskleri değerlendiriyor.
McKelvey Mühendislik Okulu’nda Fullgraf Profesörü ve Tıp Fakültesi’nde tıp profesörü olan araştırmacı Chenyang Lu, “Derin öğrenme, bu değişkenlerin zihinsel bozukluklarla karmaşık ilişkilerini keşfediyor” dedi. “Makine öğrenimi, bu temel ilişkileri ortaya çıkarmak için elimizdeki en güçlü araçtır. Geniş ve çeşitli bir kohorta dayanan çalışmamız, giyilebilir cihazlarla zihinsel bozuklukları tespit etmenin mümkün olduğuna dair kanıt sağladı. Sonraki adım, bir hastane sistemini veya bazı şirketleri ikna etmek. uygulamak için.”
Araştırmacılar arasında, Lu’nun laboratuvarında doktora öğrencisi olarak çalışan ve şu anda Google’da yazılım mühendisi olan Ruixuan Dai; Tıp Fakültesi’nde anesteziyoloji doçenti ve araştırma bilgi sorumlusu yardımcısı ve McKelvey Engineering’de bilgisayar bilimi ve mühendisliği doçenti Thomas Kannampallil; Tıp Fakültesinde doktora adayı olan Seunghwan Kim; Tıp Fakültesi’nde bir MD/PhD adayı olan Vera Thornton; ve Tıp Fakültesi Psikiyatri Mezunları Profesörü Laura Bierut, MD.
Ekip bulgularını 10 Mayıs’ta Nesnelerin İnterneti Tasarımı ve Uygulaması konulu ACM/IEEE Konferansında sundu. Makale, konferansta IoT Veri Analitiği için En İyi Bildiri Ödülü’ne layık görüldü.
Lu’ya göre giyilebilir veriler, akıl sağlığı teşhisi ve tedavisi için bir nimet olabilir.
“Bir psikiyatriste gitmek ve anketleri doldurmak zaman alıyor ve o zaman insanlar bir psikiyatriste görünmek için biraz suskunluk duyabilirler” dedi. “İnsanlar, daha düşük üretkenliğe ve daha düşük yaşam kalitesine yol açan bir hastalıktan muzdaripken hayatlarına devam ediyorlar. Bu yapay zeka modeli, depresyon veya anksiyete bozukluklarınız olduğunu söyleyebilir. Yapay zeka modelini otomatik bir tarama aracı olarak düşünün. Bir psikiyatriste gitmeni tavsiye ederim.”
Araştırmacılar, “zihinsel bozuklukları tespit etmek için göze batmayan bir yaklaşıma acil bir ihtiyaç var” dedi. “Erken teşhis, klinisyenlerin zihinsel bozuklukları zamanında teşhis etmesine ve tedavi etmesine yardımcı olabilir. Ayrıca bireylerin davranışlarını ayarlamasına ve bozuklukların etkisini azaltmasına da olanak sağlayabilir.”
Washington Üniversitesi araştırmacıları, bir çalışmanın parçası olan en büyük giyilebilir kohort olan 10.000’den fazla Fitbit kullanıcısının verilerini inceledi. Önceki araştırmalar, bazıları 10 kişi kadar küçük olan ve yüzlerce kullanıcı arasında en büyüğü olan küçük grupları dikkate alıyordu.
Washington Üniversitesi araştırması, bugüne kadarki en çeşitli kohort olan çok çeşitli yaşları, ırkları, etnik kökenleri ve eğitim düzeylerini içeriyordu. Verileri, Ulusal Sağlık Enstitüleri’ndeki (NIH) “Hepimiz” araştırma programından geldi. Program, biyomedikal araştırmaları ve hassas tıbbı hızlandırmak için tasarlanmış bir veri kümeleri koleksiyonunu barındırır.
İlgisiz araştırmalar ayrıca, giyilebilir cihazların zihinsel durumu değerlendirmede “uzunlamasına izleme için umut verici bir yol” olduğunu olumlu bir şekilde bildirdi. Washington Üniversitesi araştırmacıları, uyku ve davranış kalıpları gibi diğer “dijital fenotiplerin” giyilebilir cihazlar tarafından ölçülebileceğini yazdı.
