NTU 研究人員開發了使用可穿戴設備數據檢測抑郁症風險的方法
新加坡南洋理工大學 (NTU) 的研究人員開發了一種預測計算機程序，該程序使用來自可穿戴技術的數據來檢測抑郁症風險增加的個體。
在使用來自抑郁和健康參與者群體的數據進行的試驗中，該程序在檢測那些抑郁症高風險和沒有風險的個體方面達到了 80% 的准確率。
該程序由機器學習提供支持，名爲 Ycogni 模型，通過分析個人的身體活動、睡眠模式和晝夜節律來篩查抑郁症的風險，這些數據來自可穿戴設備的數據，這些數據來自測量他或她的步數、心率、能量消耗的數據和睡眠數據。
根據世界衛生組織的數據，全球有 2.64 億人患有抑郁症1，並且有一半的病例沒有得到診斷和治療。在新加坡，COVID-19 大流行導致人們對心理健康的擔憂增加。新加坡心理健康研究所的一項新研究指出，心理健康問題可能會增加，包括與大流行相關的抑郁症。
據估計，近 10 億人佩戴活動追蹤器，高于 2019 年的 7.22 億人。
爲了開發 Ycogni 模型，科學家們在新加坡進行了一項涉及 290 名在職成年人的研究。據 NTU 報道，參與者連續 14 天佩戴 Fitbit Charge 2 設備，並完成了兩項健康調查，在研究開始和結束時篩查抑郁症狀。
參與者的平均年齡爲 33 歲，樣本與新加坡的種族人口密切相關。參與者被要求始終佩戴追蹤器，並且只有在淋浴或設備需要充電時才能將其取下。
Josip Car 教授和 Ycogni 計算機模型（圖片來源：NTU）
共同領導這項研究的南大李光前醫學院人口健康科學中心主任 Josip Car 教授說：“我們的研究成功地表明，我們可以利用來自可穿戴設備的傳感器數據來幫助檢測個體患抑郁症的風險。通過利用我們的機器學習程序，以及可穿戴設備的日益普及，它有朝一日可以用于及時且不顯眼的抑郁症篩查。”
南洋理工大學南洋商學院副教授 Georgios Christopoulos 共同領導了這項研究，他說：“我們希望這項研究能夠爲使用可穿戴技術幫助個人、研究人員、心理健康從業者和政策制定者奠定基礎。以改善心理健康。但在更通用和更具未來感的應用中，我們相信此類信號可以與智能建築甚至智能城市計劃集成：想象一家醫院或軍隊可以使用這些信號來識別處于危險中的人。”
該研究結果于 11 月發表在同行評審的學術期刊JMIR mHealth和uHealth上。
在接下來的一年裏，該團隊希望通過使用智能手機使用數據豐富他們的模型來探索智能手機使用對抑郁症狀和患抑郁症風險的影響。這包括個人使用手機的時間和頻率，以及他們對社交媒體的依賴。