Смарт-браслеты как датчики перепадов при биполярном расстройстве

Исследователи использовали ежедневные данные собираемые Fitbit. Данные использовались для обучения ^[1] алгоритма машинного обучения, способного точно прогнозировать эпизоды перепадов настроения, связанные с биполярным расстройством. Это открывает дверь к использованию персонализированного алгоритма для управления состоянием пациента.

Характерные для биполярно-аффективного расстройства (БАР) резкие перепады между депрессией и манией, за которыми следует период ремиссии, могут оказывать огромное влияние на работу, отношения и здоровье человека. Лечение БАР направлено на своевременную стабилизацию ЦНС ^[2] человека, что требует быстрого выявления смены фаз.

Анализ данных и биполярное расстройство

Руководя новым исследованием ^[3], направленным на поиск точного способа выявления эпизодов изменения настроения у людей с БАР, исследователи из больницы Brigham and Women’s Hospital (BWH) в Бостоне обратились к теперь уже повсеместно распространенному устройству для мониторинга здоровья — Fitbit. Это уже даже не киберпсихология ^[4], а какая-то киберпсихиатрия.

Большинство людей уже ходят с персональными устройствами, такими как смартфоны и умные часы, которые ежедневно собирают данные, которые могут быть использованы при психиатрическом лечении. Наша цель состояла в том, чтобы использовать эти данные для определения того, когда участники исследования с диагнозом биполярное расстройство переживали эпизоды перепадов настроения.

Джессика Липшиц, доктор философии из отделения психиатрии BWH и ведущий автор исследования.

Исследования показали, что большинство людей с БАР, которое раньше называлось маниакально-депрессивным расстройством или маниакальной депрессией, испытывают изменение тяжести симптомов и «полярности» настроения по крайней мере три раза в год. Это включает переход от ощущения себя очень счастливым или очень раздражительным человеком, с растущим уровнем активности (мания), до невозможности встать с кровати и почистить зубы, так как на это нет сил, и сил нет банально на то, чтобы как-то жить эту жизнь (депрессия).

Существует два типа БАР: биполярное расстройство I и биполярное расстройство II. БАР-I определяется маниакальными эпизодами, которые длятся не менее семи дней (большую часть дня, почти каждый день) или манией настолько тяжелой, что требуется госпитализация. Отдельные депрессивные эпизоды обычно случаются и обычно длятся не менее двух недель. Некоторые люди с БАР-I испытывают то, что называется «быстрой цикличностью», когда у них бывает более четырех эпизодов мании или депрессии в течение одного года. БАР-II характеризуется паттерном депрессии и гипомании, состояния просто более подвижного и заряженного состояния, без скатывания в острый психоз.

Процедура исследования

Ученые набрали 54 взрослых с диагнозом БАР-I или БАР-II и попросили их носить Fitbit непрерывно в течение девяти месяцев. Fitbit Inspire был выбран как универсальное средство для сбора данных об активности, частоте сердечных сокращений и характере сна ^[5]. Это вам не нейрочип ^[6] с необходимостью устанавливать что-то в череп. Участников также попросили самостоятельно сообщать о симптомах депрессии и мании каждые две недели в течение того же девятимесячного периода.

Данные включали 17 переменных. Количество шагов, пиковые минуты активности, минуты сидячего состояния, частота сердечных сокращений при активности и частота сердечных сокращений в состоянии покоя, общее время сна ^[7], оценка эффективности сна, продолжительность глубокого сна, продолжительность быстрого сна ^[8] и время отхода ко сну. Все это использовалось для обучения алгоритма предиктивного машинного обучения. Алгоритм смог определить важность каждой переменной в прогнозировании клинически значимых симптомов депрессии и мании.

Алгоритм точно предсказал 89,1% клинически значимых гипоманиакальных или маниакальных симптомов (с чувствительностью 80,0% и специфичностью 90,1%) и 80,1% клинически значимых депрессивных симптомов (чувствительность 71,2%, специфичность 85,6%). Чувствительность относится к способности теста правильно идентифицировать пациентов с заболеванием. Специфичность — это его способность правильно отсеять людей без этого заболевания.

Маркеры кризиса

Пять переменных, которые внесли наибольший вклад в прогнозы депрессивного спада — это продолжительность пробуждений, общее время сна, медианное время отхода ко сну, частота сердечных сокращений в состоянии покоя и процент сна, проведенного в фазе глубокого сна. Для прогнозов мании или гипомании пятью главными переменными были частота сердечных сокращений, эффективность сна, процент сна, проведенного в фазе быстрого сна, количество очень активных минут и медианное время отхода ко сну.

Наши результаты особенно примечательны, поскольку все входные данные собирались пассивно, ни одна из использованных метрик не была инвазивной с точки зрения ^[9] конфиденциальности, мы использовали обычные потребительские устройства, и наши методы не требовали высокого уровня соответствия требованиям Fitbit. Другие исследователи достигли более точных прогнозов настроения, но и использовали более инвазивные протоколы сбора данных, которые используют также такие данные, как геолокация и голосовые функции, что может вызывать проблемы с конфиденциальностью. А также текстильные носимые устройства, которые могут ограничивать движения пациентов.

Мнение авторов исследования.

Полученные результаты могут трансформировать модели оказания помощи при БАР и повысить точность лечения.

В будущем мы надеемся, что алгоритмы машинного обучения, подобные нашим, смогут помочь лечащим врачам пациентов быстрее реагировать ^[10] на новые или повторяющиеся эпизоды, чтобы ограничить негативное воздействие перепадов в работе организма.

Джессика Липшиц, доктор философии из отделения психиатрии BWH и ведущий автор исследования.

Больше материалов о тонкой грани между психикой человека, искусственным интеллектом ^[11], гаджетами и всем-всем инструментарием для работы с сознанием и мозгом ^[12], вы найдете в материалах сообщества ^[13]. Подписывайтесь, чтобы не пропустить свежие статьи!