NTU 研究人员开发了使用可穿戴设备数据检测抑郁症风险的方法
新加坡南洋理工大学 (NTU) 的研究人员开发了一种预测计算机程序，该程序使用来自可穿戴技术的数据来检测抑郁症风险增加的个体。
在使用来自抑郁和健康参与者群体的数据进行的试验中，该程序在检测那些抑郁症高风险和没有风险的个体方面达到了 80% 的准确率。
该程序由机器学习提供支持，名为 Ycogni 模型，通过分析个人的身体活动、睡眠模式和昼夜节律来筛查抑郁症的风险，这些数据来自可穿戴设备的数据，这些数据来自测量他或她的步数、心率、能量消耗的数据和睡眠数据。
根据世界卫生组织的数据，全球有 2.64 亿人患有抑郁症1，并且有一半的病例没有得到诊断和治疗。在新加坡，COVID-19 大流行导致人们对心理健康的担忧增加。新加坡心理健康研究所的一项新研究指出，心理健康问题可能会增加，包括与大流行相关的抑郁症。
据估计，近 10 亿人佩戴活动追踪器，高于 2019 年的 7.22 亿人。
为了开发 Ycogni 模型，科学家们在新加坡进行了一项涉及 290 名在职成年人的研究。据 NTU 报道，参与者连续 14 天佩戴 Fitbit Charge 2 设备，并完成了两项健康调查，在研究开始和结束时筛查抑郁症状。
参与者的平均年龄为 33 岁，样本与新加坡的种族人口密切相关。参与者被要求始终佩戴追踪器，并且只有在淋浴或设备需要充电时才能将其取下。
Josip Car 教授和 Ycogni 计算机模型（图片来源：NTU）
共同领导这项研究的南大李光前医学院人口健康科学中心主任 Josip Car 教授说：“我们的研究成功地表明，我们可以利用来自可穿戴设备的传感器数据来帮助检测个体患抑郁症的风险。通过利用我们的机器学习程序，以及可穿戴设备的日益普及，它有朝一日可以用于及时且不显眼的抑郁症筛查。”
南洋理工大学南洋商学院副教授 Georgios Christopoulos 共同领导了这项研究，他说：“我们希望这项研究能够为使用可穿戴技术帮助个人、研究人员、心理健康从业者和政策制定者奠定基础。以改善心理健康。但在更通用和更具未来感的应用中，我们相信此类信号可以与智能建筑甚至智能城市计划集成：想象一家医院或军队可以使用这些信号来识别处于危险中的人。”
该研究结果于 11 月发表在同行评审的学术期刊JMIR mHealth和uHealth上。
在接下来的一年里，该团队希望通过使用智能手机使用数据丰富他们的模型来探索智能手机使用对抑郁症状和患抑郁症风险的影响。这包括个人使用手机的时间和频率，以及他们对社交媒体的依赖。