2020年10月13日

智能手机数据有助于预测精神分裂症的复发

根据康奈尔科技公司的一项新研究,来自智能手机的被动数据(包括运动,环境声音和睡眠模式)可以帮助预测精神分裂症复发的发作。

康奈尔大学综合健康与技术教授Tanzeem Choudhury的实验室发表了两篇论文,研究了智能手机数据如何预测患者自身状况的自我评估以及他们的状况变化。 在导致 .

精神分裂症复发的早期预测-可能涉及幻觉,对伤害的恐惧,沮丧或戒断的潜在危险事件-除了可以为临床医生和患者提供可改善和个性化治疗的宝贵信息之外,还可以防止住院。

“这项工作的目的是预测数字指标,这些指标是复发的预警信号,但是这些症状或变化可能因人而异,非常不同,”康奈尔技术学院博士生,《科学》杂志的第一作者丹·阿德勒说。 “从被动感测数据预测精神病复发的预警信号:一种使用编码器-解码器神经网络的方法,”发表在 医学互联网研究杂志mHealth 和 uHealth.

“我们试图创建一种可以告诉临床医生的方法:不仅这个参与者经历了不同寻常的 ,这些是与特定患者不同的具体情况,”阿德勒说,“如果我们能够预测某人的症状何时会在复发之前改变,我们可以尽早对其进行治疗并可能防止住院。

研究人员在一年的时间里从60名参与者中收集了智能手机数据,其中18名参与者在这段时间内经历了复发。他们使用编码器-解码器 一种机器学习,擅长在高度不规则的数据中学习复杂的功能,以检测行为模式,例如睡眠,未接电话数量以及对话的持续时间和频率。

与相对健康的日子相比,该方法发现在导致复发的30天内行为异常的中位数增加了108%。

该论文使用了与华盛顿大学,达特茅斯学院和诺斯韦尔卫生系统合作收集的数据。基于同一数据集,另一篇论文“使用行为节律和多任务学习预测精神分裂症的细颗粒状症状”发表在 科学报告 -使用机器学习来更好地理解和预测智能设备被动检测到的行为节奏变化中的症状。

康奈尔理工学院的博士生曾文生说:“我们想提供一些可行的步骤或临床上可以解释的特征,以便我们可以告诉患者采取一些行动,或者告诉临床医生提出一些早期干预措施。” 科学报告 该论文的共同第一作者。



更多信息: 丹尼尔·阿德勒(Daniel A Adler)等人,《从被动传感数据预测精神病复发的早期预警信号:使用编解码器神经网络的方法》, JMIR mHealth和uHealth (2020)。 DOI:10.2196 / 19962
期刊信息: 科学报告

Provided by 康奈尔大学
引文: 智能手机数据可帮助预测精神分裂症复发(2020年10月13日) 2020年10月13日检索 from //xasqxhb.com/news/2020-10-smartphone-schizophrenia-relapses.html
本文件受版权保护。除了出于私下学习或研究目的进行的任何公平交易外, 未经书面许可,不得复制部分内容。内容仅供参考。

用户评论