Depresija i anksioznost su među najčešćim poremećajima mentalnog zdravlja u Sjedinjenim Državama, ali više od polovine ljudi koji se bore sa ovim uslovima nisu dijagnostikovani i lečeni. U nadi da će pronaći jednostavne načine za otkrivanje takvih poremećaja, stručnjaci za mentalno zdravlje razmatraju ulogu popularnih nosivih fitnes monitora u pružanju podataka koji bi mogli da upozore korisnike na potencijalne zdravstvene rizike.
Dok je dugoročna izvodljivost otkrivanja takvih poremećaja pomoću nosive tehnologije otvoreno pitanje u velikoj i raznolikoj populaciji, tim istraživača sa Vašingtonskog univerziteta u Sent Luisu pokazao je da postoji razlog za optimizam. Razvili su model dubokog učenja pod nazivom VearNet, u kojem su proučavali 10 varijabli prikupljenih pomoću Fitbit pratioca aktivnosti. Promenljive su uključivale sve, od ukupnih dnevnih koraka i stopa sagorevanja kalorija do prosečnog otkucaja srca i minuta sedenja. Istraživači su prikupljali Fitbit podatke za pojedince više od 60 dana.
Kada se razmatraju faktori rizika od depresije i anksioznosti, VearNet je uradio bolji posao u otkrivanju depresije i anksioznosti od najsavremenijih modela mašinskog učenja. Dalje, proizvela je individualna predviđanja ishoda mentalnog zdravlja, dok druge statističke analize korisnika nosivih uređaja procenjuju korelacije i rizike na nivou grupe.
„Duboko učenje otkriva složene asocijacije ovih varijabli sa mentalnim poremećajima“, rekao je istraživač Cheniang Lu, Fullgraf profesor na McKelvei School of Engineering i profesor medicine na Medicinskom fakultetu. „Mašinsko učenje je naše najmoćnije sredstvo za izdvajanje ovih osnovnih odnosa. Naš rad je pružio dokaze da je moguće otkriti mentalne poremećaje pomoću nosivih uređaja. Sledeći korak je da ubedimo bolnički sistem ili neku kompaniju da to primeni.“
Među istraživačima su bili Ruikuan Dai, koji je radio u Luovoj laboratoriji kao doktorant, a sada je softverski inženjer u Guglu; Thomas Kannampallil, vanredni profesor anesteziologije i pomoćnik glavnog istraživača za informacije na Medicinskom fakultetu i vanredni profesor računarskih nauka i inženjerstva na McKelvei Engineering; Seunghvan Kim, doktorant na Medicinskom fakultetu; Vera Thornton, MD/Ph.D. kandidat na Medicinskom fakultetu; i Laura Bierut, MD, profesor psihijatrije na Medicinskom fakultetu.
Tim je predstavio svoje nalaze 10. maja na ACM/IEEE konferenciji o dizajnu i implementaciji Interneta stvari. Rad je na konferenciji dobio nagradu za najbolji rad za analizu podataka IoT-a.
Podaci koji se mogu nositi mogli bi biti blagodat za dijagnozu i lečenje mentalnog zdravlja, kaže Lu.
„Odlazak kod psihijatra i popunjavanje upitnika oduzima mnogo vremena, a onda će ljudi možda imati izvesnu suzdržanost da posete psihijatra“, rekao je on. „Ljudi žive svojim životom dok pate od bolesti koja rezultira nižom produktivnošću i lošijim kvalitetom života. Ovaj AI model je u stanju da vam kaže da imate depresiju ili anksiozne poremećaje. Razmišljajte o nosivim podacima kao o automatizovanom alatu za skrining koji bi mogao preporučujem da odete kod psihijatra.“
Postoji „hitna potreba za nenametljivim pristupom otkrivanju mentalnih poremećaja“, rekli su istraživači. „Rano otkrivanje može pomoći kliničarima da dijagnostikuju i leče mentalne poremećaje na vreme. Takođe može omogućiti pojedincima da prilagode svoje ponašanje i ublaže uticaj poremećaja.“
Istraživači sa Univerziteta u Vašingtonu proučavali su podatke više od 10.000 korisnika Fitbita, najveće nosive kohorte koja je bila deo studije. Prethodne studije su smatrale da su male kohorte, neke od čak 10 ljudi, najveće među stotinama korisnika.
Studija Univerziteta u Vašingtonu obuhvatila je širok spektar uzrasta, rasa, etničkih grupa i nivoa obrazovanja, najraznovrsniju kohortu do sada. Njihovi podaci su došli iz istraživačkog programa „Svi od nas“ u Nacionalnom institutu za zdravlje (NIH). Program sadrži kolekciju skupova podataka koji su dizajnirani da ubrzaju biomedicinska istraživanja i preciznu medicinu.
Nepovezano istraživanje je takođe pozitivno izvelo o tome da su nosivi uređaji „obećavajući način za longitudinalno praćenje“ procene mentalnog statusa. Drugi „digitalni fenotipovi“, kao što su obrasci spavanja i ponašanja, mogu se meriti pomoću nosivih uređaja, napisali su istraživači sa Univerziteta u Vašingtonu.
