Fitbit 数据准确预测躁郁症情绪波动

研究人员使用日常 Fitbit 数据来训练机器学习算法，以准确预测与双相情感障碍相关的情绪发作。它为使用个性化算法来推动影响生命的疾病的治疗打开了大门。

躁郁症BD（BD）特征性情绪发作——抑郁和躁狂之间的极端波动，随后是一段缓解期——可能会对一个人的工作、人际关系和健康产生巨大影响。双相情感障碍的治疗重点是限制这种影响，这需要及时识别和治疗情绪发作。

波士顿布莱根妇女医院 (BWH) 的研究人员领导了一项旨在寻找准确检测双相情感障碍患者情绪发作的方法的新研究，他们转向了一种现在无处不在的健康监测设备 Fitbit。

“大多数人随身携带智能手机和智能手表等个人数字设备，这些设备可以捕获可为精神科治疗提供信息的日常数据，”BWH 精神病学系和该研究的杰西卡·利普希茨 (Jessica Lipschitz) 博士说。的主要作者。– 我们的目标是利用这些数据来确定被诊断患有双相情感障碍的研究参与者何时经历情绪发作。 –

研究表明，大多数患有双相情感障碍（以前被称为躁狂抑郁症或躁狂抑郁症）的人每年至少经历三次症状严重程度和情绪“极性”的变化。这包括从感觉非常快乐、烦躁、活动水平显着增加（躁狂），到感觉悲伤、冷漠或绝望、活动水平非常低（抑郁）。轻躁狂与躁狂类似，但不那么严重。它不会像躁狂发作那样导致社交或工作功能受损。

BD 有两种类型：双相 I 型障碍和双相 II 型障碍。BP-I 的定义是躁狂发作持续至少 7 天（大部分时间，几乎每天）或躁狂严重到需要住院治疗。通常也会发生单独的抑郁发作，并且通常持续至少两周。一些 BP-I 患者会经历所谓的“快速循环”，即一年内躁狂或抑郁发作四次以上。BP-II 的特点是抑郁和轻躁狂的模式。

在本研究中，研究人员招募了 54 名被诊断患有 BP-I 或 BP-II 的成年人，并要求他们连续佩戴 Fitbit 九个月。Fitbit Inspire 之所以被选中是因为它能够收集活动、心率和睡眠数据。参与者还被要求在同一个九个月的时间内每两周自我报告一次抑郁和躁狂症状。

该数据包括 17 个变量，例如步数、非常活跃的分钟数、久坐的分钟数、心率和静息心率、总睡眠时间、睡眠效率评分、深度睡眠持续时间、快速眼动睡眠持续时间和就寝时间，用于训练预测机器学习算法。该算法能够找出每个变量在预测抑郁症和躁狂症临床显着症状方面的重要性。

该算法准确预测了 89.1% 的临床显着轻躁狂或躁狂症状（敏感性为 80.0%，特异性为 90.1%）和 80.1% 的临床显着抑郁症状（敏感性为 71.2%，特异性为 85.6%）。敏感性是指测试正确识别患有某种疾病的患者的能力；特异性是指它能够正确识别没有这种情况的人。

对抑郁症预测贡献最大的五个变量是觉醒持续时间、总睡眠时间、中位就寝时间、静息心率和深度睡眠的睡眠百分比。对于躁狂或轻躁狂的预测，前五个变量是心率、睡眠效率、快速眼动睡眠的睡眠百分比、非常活跃的分钟数和中位就寝时间。

“我们的研究结果特别值得注意，因为所有输入都是被动收集的，所使用的任何指标都不会侵犯隐私，我们使用主流消费设备，并且我们的方法不需要高水平的 Fitbit 合规性，”研究人员说。☀其他研究人员已经通过更具侵入性的数据收集协议实现了更准确的情绪预测，这些协议使用地理定位和语音功能，这可能会引起隐私问题，而纺织可穿戴设备可能会让患者感到受到限制。”

这些发现有可能改变双相情感障碍的护理模式并提高治疗精度。

“未来，我们希望像我们这样的机器学习算法能够帮助患者治疗团队对新的或持续的事件做出快速反应，以限制负面影响，”Lipschitz 说。

该研究发表在期刊上斯堪的纳维亚精神病学学报，并且可以作为早期查看 PDF。

来源：体重体重通过尤里克警报！