在過去的幾年里，管理一個人的心理健康變得更加重要，并且越來越強調自我保健。僅抑郁癥每年就影響全球 3 億多人。認識到這一點，人們對利用流行的可穿戴設備通過測量活動水平、睡眠和心率等指標來監(jiān)測個人的心理健康產生了濃厚的興趣。
圣路易斯華盛頓大學和伊利諾伊大學芝加哥分校的一組研究人員使用來自可穿戴設備的數(shù)據(jù)來預測參加隨機臨床試驗的個體的抑郁癥治療結果。他們開發(fā)了一種新的機器學習模型，可以分析兩組患者的數(shù)據(jù)——隨機選擇接受治療的患者和未接受治療的患者——而不是為每組開發(fā)單獨的模型。這種統(tǒng)一的多任務模型是向個性化醫(yī)療邁出的一步，在該模型中，醫(yī)生針對每位患者的需求設計治療計劃，并根據(jù)個人數(shù)據(jù)預測結果。
研究結果發(fā)表在ACM 的互動、模型、可穿戴和無處不在的技術論文集上，并將在 9 月的 UbiComp 2022 會議上發(fā)表。
McKelvey 工程學院 Fullgraf 教授盧晨陽帶領的團隊包括戴瑞軒，戴瑞軒在盧的實驗室擔任博士生，現(xiàn)在是谷歌的軟件工程師;Thomas Kannampallil，醫(yī)學院麻醉學副教授兼副首席研究信息官，McKelvey Engineering 計算機科學與工程副教授;以及伊利諾伊大學芝加哥分校 (UIC) 醫(yī)學教授馬駿;和同事使用 UIC 對大約 100 名患有抑郁癥和肥胖癥的成年人進行的隨機臨床試驗的數(shù)據(jù)開發(fā)該模型。
“綜合行為療法可能既昂貴又耗時，”盧說。“如果我們可以對個體進行個性化預測，即患者是否可能對特定治療產生反應，那么只有當模型預測他們的病情可能會通過治療而改善，但如果不治療則不太可能改善時，患者可能會繼續(xù)治療。這樣的對治療反應的個性化預測將促進更有針對性和成本效益的治療。”
在試驗中，患者接受了 Fitbit 腕帶和心理測試。大約三分之二的患者接受了行為治療，其余患者沒有。兩組患者在基線時具有統(tǒng)計學相似性，這為研究人員提供了一個公平的競爭環(huán)境，可以根據(jù)個人數(shù)據(jù)判斷治療是否會改善結果。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！