来自可穿戴设备的数据可能有助于心理健康诊断

抑郁症和焦虑症是美国最常见的心理健康障碍之一，但超过一半患有这些疾病的人没有得到诊断和治疗。为了找到检测此类疾病的简单方法，心理健康专家正在考虑流行的可穿戴健康监测器在提供数据方面的作用，这些数据可以提醒佩戴者注意潜在的健康风险。

虽然使用可穿戴技术检测此类疾病的长期可行性在大量不同人群中仍是一个悬而未决的问题，但圣路易斯华盛顿大学的一组研究人员表明，我们有理由保持乐观。他们开发了一个名为WearNet的深度学习模型，他们在其中研究了Fitbit活动追踪器收集的10个变量。变量包括从每日总步数和卡路里燃烧率到平均心率和久坐分钟数的所有内容。研究人员为个人整理了60多天的Fitbit数据。

在考虑抑郁和焦虑风险因素时，WearNet在检测抑郁和焦虑方面比最先进的机器学习模型做得更好。此外，它还对心理健康结果进行了个人层面的预测，而可穿戴用户的其他统计分析则评估了群体层面的相关性和风险。

“深度学习发现了这些变量与精神障碍之间的复杂关联，”麦凯维工程学院Fullgraf教授、医学院医学教授陆晨阳说。“机器学习是我们提取这些潜在关系的最强大工具。我们的工作提供的证据表明，可以使用可穿戴设备检测精神障碍。下一步是说服医院系统或某些公司实施它。”

研究人员包括RuixuanDai，他曾在Lu的实验室担任博士生，现在是Google的软件工程师;ThomasKannampallil，医学院麻醉学副教授兼副首席研究信息官，McKelveyEngineering计算机科学与工程副教授;医学院博士研究生SeunghwanKim;VeraThornton，医学博士/博士。医学院候选人;和LauraBierut，医学博士，医学院精神病学校友捐赠教授。

该团队于5月10日在ACM/IEEE物联网设计和实施会议上展示了他们的发现。该论文在会议上获得物联网数据分析最佳论文奖。

Lu表示，可穿戴数据可能有助于心理健康诊断和治疗。

“去看精神科医生并填写调查问卷很费时间，然后人们可能会对去看精神科医生保持沉默，”他说。“人们在生活中饱受疾病的折磨，这种疾病会导致生产力下降和生活质量下降。这种人工智能模型能够告诉你你患有抑郁症或焦虑症。将可穿戴数据视为一种自动筛查工具，可以建议你去看心理医生。”

研究人员说，“迫切需要一种不引人注意的方法来检测精神障碍”。“早期发现可以帮助临床医生及时诊断和治疗精神障碍。它还可以使个人调整自己的行为并减轻障碍的影响。”

华盛顿大学的研究人员研究了10,000多名Fitbit用户的数据，这是参与研究的最大可穿戴设备用户群。以前的研究考虑的是小群体，有的只有10人，最大的有数百名用户。

华盛顿大学的研究包括广泛的年龄、种族、民族和教育水平，是迄今为止最多样化的队列。他们的数据来自美国国立卫生研究院(NIH)的“我们所有人”研究项目。该计划包含一组旨在加速生物医学研究和精准医学的数据集。

不相关的研究也称可穿戴设备是评估精神状态的“纵向监测的有前途的方式”。华盛顿大学的研究人员写道，其他“数字表型”，例如睡眠和行为模式，可以通过可穿戴设备来衡量。