Tyrimas rodo, kad kūno rengybos stebėjimo priemonė gali aptikti bipolinio sutrikimo nuotaikos epizodus, kad padėtų gydyti
Tyrėjai iš Brigham and Women's Hospital, Mass General Brigham sveikatos priežiūros sistemos steigėjos, įvertino, ar iš kūno rengybos stebėjimo prietaiso surinkti duomenys gali būti naudojami siekiant tiksliai nustatyti bipoliniu sutrikimu sergančių žmonių nuotaikos epizodus. Jų išvados, paskelbtos m Acta Psychiatrica Scandinavicarodo, kad naudojant duomenis iš kūno rengybos stebėjimo prietaisų galima labai tiksliai nustatyti laiko intervalus, kai pacientai, sergantys bipoliniu sutrikimu, patiria depresiją ar maniją.
„Dauguma žmonių vaikšto su asmeniniais skaitmeniniais įrenginiais, tokiais kaip išmanieji telefonai ir išmanieji laikrodžiai, kurie fiksuoja kasdienius duomenis, kurie galėtų būti naudingi psichiatriniam gydymui. Mūsų tikslas buvo naudoti šiuos duomenis, kad nustatytų, kada tyrimo dalyviai, kuriems diagnozuotas bipolinis sutrikimas, patyrė nuotaikos epizodus.” sakė atitinkama autorė Jessica Lipschitz, mokslų daktarė, Brigamo psichiatrijos skyriaus tyrėja.
„Ateityje tikimės, kad tokie mašininio mokymosi algoritmai kaip mūsų galėtų padėti pacientų gydymo komandoms greitai reaguoti į naujus ar nepaliaujamus epizodus, kad būtų apribotas neigiamas poveikis.
Bipolinis sutrikimas (BD) yra lėtinis psichikos sutrikimas, kuriam būdingi ekstremalūs nuotaikų svyravimai, įskaitant depresiją, maniją ir hipomaniją, po kurių seka remisijos periodai. Norint apriboti BD poveikį pacientų gyvenimui, būtina nustatyti ir gydyti naujus ir nepaliaujamus nuotaikos epizodus. Nors ankstesni tyrimai parodė, kad asmeniniai skaitmeniniai įrenginiai gali tiksliai aptikti nuotaikos epizodus, ankstesniuose tyrimuose nebuvo naudojami metodai, skirti plačiai taikyti klinikinėje aplinkoje.
Būdamas diegimo mokslininkas, Lipschitz kartu su kolegomis daugiausia dėmesio skyrė metodų, kurie galėtų būti plačiai taikomi klinikinėje praktikoje, naudojimui. Konkrečiai, jie naudojo komerciškai prieinamus asmeninius skaitmeninius įrenginius, ribotą duomenų filtravimą ir visiškai pasyviai rinktus ir neinvazinius duomenis. Taikydami naujo tipo mašininio mokymosi algoritmą, jie sugebėjo aptikti kliniškai reikšmingus depresijos simptomus 80,1% tikslumu ir kliniškai reikšmingus manijos simptomus 89,1% tikslumu.
Tyrėjai pažymi: „Apskritai rezultatai žengia žingsnį link suasmenintų algoritmų, tinkančių visai pacientų populiacijai, o ne tik tiems, kurie turi aukštą atitiktį, prieigą prie specializuotų įrenginių arba nori dalytis invaziniais duomenimis.
Kitas jų žingsnis yra taikyti šiuos nuspėjamuosius algoritmus įprastoje slaugoje, kur jie galėtų būti naudojami gerinant BD gydymą, informuojant gydytojus, kai jų pacientai patiria depresijos ar manijos epizodus tarp suplanuotų susitikimų. Tyrėjai taip pat stengėsi išplėsti šį darbą iki didelio depresinio sutrikimo.