ในขณะที่ความเป็นไปได้ในระยะยาวในการตรวจจับความผิดปกติดังกล่าวด้วยเทคโนโลยีที่สวมใส่ได้นั้นเป็นคำถามที่เปิดกว้างสำหรับประชากรจำนวนมากและหลากหลาย แต่ทีมนักวิจัยจากมหาวิทยาลัยวอชิงตันในเซนต์หลุยส์ได้แสดงให้เห็นว่ามีเหตุผลสำหรับการมองโลกในแง่ดี พวกเขาพัฒนาโมเดลการเรียนรู้เชิงลึกที่เรียกว่า WearNet ซึ่งศึกษาตัวแปร 10 ตัวที่รวบรวมโดยตัวติดตามกิจกรรมของ Fitbit ตัวแปรรวมทุกอย่างตั้งแต่จำนวนก้าวต่อวันทั้งหมดและอัตราการเผาผลาญแคลอรี่ ไปจนถึงอัตราการเต้นของหัวใจเฉลี่ยและจำนวนนาทีที่ไม่ได้นั่ง นักวิจัยได้ทำการรวบรวมข้อมูล Fitbit ของแต่ละบุคคลเป็นเวลากว่า 60 วัน

 

เมื่อพิจารณาถึงปัจจัยเสี่ยงของภาวะซึมเศร้าและความวิตกกังวล WearNet สามารถตรวจจับภาวะซึมเศร้าและความวิตกกังวลได้ดีกว่าโมเดลแมชชีนเลิร์นนิงที่ล้ำสมัย นอกจากนี้ยังสร้างการคาดการณ์ผลลัพธ์ด้านสุขภาพจิตในระดับบุคคล ในขณะที่การวิเคราะห์ทางสถิติอื่นๆ ของผู้ใช้อุปกรณ์สวมใส่จะประเมินความสัมพันธ์และความเสี่ยงในระดับกลุ่ม

 

การเรียนรู้เชิงลึกจะค้นพบความสัมพันธ์ที่ซับซ้อนของตัวแปรเหล่านี้กับความผิดปกติทางจิต แมชชีนเลิร์นนิงเป็นเครื่องมือที่ทรงพลังที่สุดของเราในการแยกความสัมพันธ์พื้นฐานเหล่านี้ งานของเราได้แสดงหลักฐานจากกลุ่มตัวอย่างขนาดใหญ่และหลากหลาย ที่สามารถตรวจจับความผิดปกติทางจิตด้วยอุปกรณ์สวมใส่ได้ ขั้นตอนต่อไปคือการโน้มน้าวให้ระบบของโรงพยาบาลหรือบางบริษัทดำเนินการ”

 

Chenyang Lu, ศาสตราจารย์ Fullgraf ที่ McKelvey School of Engineering, นักวิจัยและศาสตราจารย์ด้านการแพทย์ที่ School of Medicine, Washington University ใน St. Louis

 

นักวิจัยรวมถึง Ruixuan Dai ซึ่งทำงานในห้องทดลองของ Lu ในฐานะนักศึกษาปริญญาเอกและตอนนี้เป็นวิศวกรซอฟต์แวร์ที่ Google; Thomas Kannampallil รองศาสตราจารย์ด้านวิสัญญีวิทยาและรองหัวหน้าเจ้าหน้าที่ข้อมูลการวิจัยที่ School of Medicine และรองศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และวิศวกรรมที่ McKelvey Engineering; Seunghwan Kim ผู้สมัครระดับปริญญาเอกจาก School of Medicine; Vera Thornton ผู้สมัคร MD/PhD จาก School of Medicine; และ Laura Bierut, MD, ศิษย์เก่ามอบศาสตราจารย์จิตเวชศาสตร์ที่ School of Medicine

 

ทีมงานได้นำเสนอข้อค้นพบเมื่อวันที่ 10 พฤษภาคมที่การประชุม ACM/IEEE เกี่ยวกับการออกแบบและการใช้งาน Internet of Things เอกสารนี้ได้รับรางวัล Best Paper Award สำหรับ IoT Data Analytics ในการประชุม

 

ข้อมูลที่สวมใส่ได้อาจเป็นประโยชน์ต่อการวินิจฉัยและการรักษาสุขภาพจิต

 

SLAS EU - ไฮไลท์จาก eBook ปี 2022 รวบรวมบทสัมภาษณ์ บทความ และข่าวสารชั้นนำในปีที่ผ่านมา

ดาวน์โหลดฉบับล่าสุด สล็อตออนไลน์

“การไปพบจิตแพทย์และกรอกแบบสอบถามนั้นใช้เวลานาน และจากนั้นผู้คนอาจรู้สึกไม่สบายใจที่จะพบจิตแพทย์” เขากล่าว "ผู้คนกำลังดำเนินชีวิตในขณะที่ต้องทนทุกข์ทรมานจากโรคที่ส่งผลให้ประสิทธิภาพการทำงานลดลงและคุณภาพชีวิตแย่ลง โมเดล AI นี้สามารถบอกคุณได้ว่าคุณเป็นโรคซึมเศร้าหรือโรควิตกกังวล ลองนึกถึงโมเดล AI เป็นเครื่องมือคัดกรองอัตโนมัติที่ อาจแนะนำให้คุณไปพบจิตแพทย์"

 

นักวิจัยกล่าวว่า "มีความจำเป็นเร่งด่วนสำหรับแนวทางที่ไม่สร้างความรำคาญในการตรวจหาความผิดปกติทางจิต" "การตรวจพบแต่เนิ่นๆ สามารถช่วยแพทย์วินิจฉัยและรักษาความผิดปกติทางจิตได้อย่างทันท่วงที นอกจากนี้ยังช่วยให้บุคคลสามารถปรับพฤติกรรมและลดผลกระทบจากความผิดปกติได้"

 

นักวิจัยของมหาวิทยาลัยวอชิงตันศึกษาข้อมูลของผู้ใช้ Fitbit มากกว่า 10,000 คน ซึ่งเป็นกลุ่มอุปกรณ์สวมใส่ที่ใหญ่ที่สุดที่เป็นส่วนหนึ่งของการศึกษา การศึกษาก่อนหน้านี้พิจารณากลุ่มประชากรตามรุ่นขนาดเล็ก บางกลุ่มมีขนาดเล็กถึง 10 คน ซึ่งเป็นกลุ่มที่ใหญ่ที่สุดในกลุ่มผู้ใช้หลายร้อยคน

 

การศึกษาของมหาวิทยาลัยวอชิงตันครอบคลุมช่วงอายุ เชื้อชาติ ชาติพันธุ์ และระดับการศึกษาที่หลากหลายที่สุดจนถึงปัจจุบัน ข้อมูลของพวกเขามาจากโครงการวิจัย "พวกเราทุกคน" ที่สถาบันสุขภาพแห่งชาติ (NIH) โปรแกรมนี้เป็นที่เก็บชุดข้อมูลที่ออกแบบมาเพื่อเร่งการวิจัยทางชีวการแพทย์และการแพทย์ที่แม่นยำ

 

การวิจัยที่ไม่เกี่ยวข้องยังรายงานในเชิงบวกว่าอุปกรณ์สวมใส่เป็น "วิธีที่มีแนวโน้มสำหรับการตรวจสอบระยะยาว" ในการประเมินสถานะทางจิต "ฟีโนไทป์ดิจิทัล" อื่นๆ เช่น รูปแบบการนอนหลับและพฤติกรรม สามารถวัดได้ด้วยอุปกรณ์สวมใส่ นักวิจัยมหาวิทยาลัยวอชิงตันเขียน