Data dari perangkat yang dapat dipakai mungkin bermanfaat untuk diagnosis kesehatan mental: belajar
Washington [US], 23 Mei (ANI): Depresi dan kecemasan adalah kondisi kesehatan mental yang paling umum di Amerika Serikat, meskipun lebih dari setengah dari mereka yang terkena dampak tidak teridentifikasi atau diobati. Dokter kesehatan mental sedang menyelidiki peran pemantau kebugaran yang dapat dikenakan dalam menyediakan data yang dapat memperingatkan pemakainya tentang potensi risiko kesehatan dengan harapan menemukan cara sederhana untuk mendiagnosis penyakit semacam itu.
Sementara kelayakan jangka panjang untuk mendeteksi gangguan semacam itu menggunakan teknologi yang dapat dipakai adalah pertanyaan terbuka dalam populasi yang besar dan beragam, tim peneliti di Universitas Washington di St. Louis telah menunjukkan bahwa ada alasan untuk optimis. Mereka mengembangkan model pembelajaran mendalam yang disebut WearNet, yang mempelajari 10 variabel yang dikumpulkan oleh pelacak aktivitas Fitbit. Variabel mencakup semuanya, mulai dari total langkah harian dan tingkat pembakaran kalori, hingga detak jantung rata-rata dan menit waktu tidak bergerak. Para peneliti mengumpulkan data Fitbit untuk individu selama 60 hari.
Saat mempertimbangkan faktor risiko depresi dan kecemasan, WearNet melakukan pekerjaan yang lebih baik dalam mendeteksi depresi dan kecemasan daripada model pembelajaran mesin terbaru. Selain itu, ini menghasilkan prediktor tingkat individu dari hasil kesehatan mental, sementara analisis statistik lainnya dari pengguna yang dapat dikenakan mengevaluasi asosiasi dan risiko di tingkat kelompok.
“Pembelajaran mendalam mengeksplorasi hubungan kompleks dari variabel-variabel ini dengan gangguan mental,” kata peneliti Chenyang Lu, Profesor Fullgraf di Sekolah Teknik McKelvey dan profesor kedokteran di Fakultas Kedokteran. “Pembelajaran mesin adalah alat kami yang paling ampuh untuk mengekstraksi hubungan mendasar ini. Pekerjaan kami telah memberikan bukti, berdasarkan berbagai macam, bahwa gangguan kejiwaan dapat dideteksi menggunakan perangkat yang dapat dikenakan. Langkah selanjutnya adalah meyakinkan sistem rumah sakit atau perusahaan untuk menerapkannya.”
Di antara para peneliti adalah Ruixuan Dai, yang bekerja di lab Lu sebagai mahasiswa PhD dan sekarang menjadi insinyur perangkat lunak di Google. Thomas Kanampalle, asisten profesor anestesiologi dan asisten petugas informasi penelitian utama di Fakultas Kedokteran dan profesor ilmu komputer dan teknik di McKelvey Engineering; Seunghwan Kim, mahasiswa doktoral di Fakultas Kedokteran; Vera Thornton, mahasiswa MD/MD; dan Laura Perot, MD, profesor pascasarjana psikiatri di School of Medicine.
Tim mempresentasikan temuannya pada 10 Mei di ACM/IEEE Conference on Internet of Things Design and Implementation. Makalah ini dianugerahi Makalah Terbaik untuk Analisis Data IoT di konferensi tersebut.
Menurut Lu, data yang dapat dikenakan bisa menjadi keuntungan untuk diagnosis dan perawatan kesehatan mental.
“Pergi ke psikiater dan mengisi kuesioner memakan waktu lama, dan kemudian orang mungkin enggan menemui psikiater,” katanya. “Orang menjalani hidup dengan penyakit yang menyebabkan penurunan produktivitas dan kualitas hidup yang lebih rendah. Model AI ini dapat memberi tahu Anda bahwa Anda mengalami depresi atau gangguan kecemasan. Pikirkan model AI sebagai alat skrining otomatis yang dapat menyarankan Anda untuk menemui psikiater.”
Para peneliti mengatakan ada “kebutuhan mendesak akan pendekatan non-obtrusif untuk menyaring gangguan mental”. Deteksi dini dapat membantu dokter mendiagnosis dan mengobati gangguan jiwa secara tepat waktu. Itu juga dapat memungkinkan individu untuk mengubah perilaku mereka dan mengurangi dampak gangguan.”
Peneliti Universitas Washington memeriksa data dari lebih dari 10.000 pengguna Fitbit, kelompok perangkat yang dapat dikenakan terbesar yang menjadi bagian dari penelitian. Studi sebelumnya telah mempertimbangkan kelompok kecil, beberapa sekecil 10 orang, yang terbesar di antara ratusan pengguna.
Studi Universitas Washington mencakup berbagai usia, jenis kelamin, etnis, dan tingkat pendidikan, kelompok yang paling beragam. Data mereka berasal dari program penelitian ALL of Us di National Institutes of Health (NIH). Program ini terdiri dari kumpulan kumpulan data yang dirancang untuk mempercepat penelitian biomedis dan pengobatan presisi.
Penelitian yang tidak terkait juga menunjukkan secara positif bahwa perangkat yang dapat dipakai adalah “metode pemantauan longitudinal yang menjanjikan” untuk menilai status mental. Peneliti University of Washington menulis bahwa “fenotipe digital lainnya”, seperti pola dan perilaku tidur, dapat diukur dengan perangkat yang dapat dikenakan. Favorit
Laporan ini dihasilkan secara otomatis dari layanan berita ANI. ThePrint tidak bertanggung jawab atas isinya.