身体醜形障害におけるスマートフォンセンサーおよび人口統計データを用いた臨床的悪化の低負担検出
Hilary Weingarden1, Vincent Holstein1, Geneva K Jonathan1
1Massachusetts General Hospital and Harvard Medical School.
Behavior therapy
|February 25, 2026
まとめ
本研究は、スマートフォンセンサーデータが、自殺念慮（SI）を含む身体醜形障害（BDD）の悪化症状を予測し、早期介入を可能にすることを示す。機械学習モデルは、患者の負担なしに毎日の臨床的鋭敏度を正確に予測する。
科学分野:
- 精神医学; デジタルヘルス; 機械学習
背景:
- 身体醜形障害（BDD）は、苦痛な外見へのこだわり、機能障害、および自殺念慮（SI）を特徴とする。; 現在の監視方法（自己報告、臨床家による評価）は、頻度の低い実施や想起バイアスなどの限界がある。; スマートフォンを介したリアルタイム監視は、臨床的悪化の早期検出のための低負担アプローチを提供する。
主な方法:
- 82人のBDD患者が、SI、回避行動、およびBDD関連時間について28日間の生態学的瞬間評価（EMA）を完了した。; スマートフォンセンサーデータ（GPS、加速度計）および人口統計データが3ヶ月間収集された。; ランダムフォレスト（RF）機械学習モデルが、同日の臨床結果を予測するために訓練された。
結論:
- スマートフォンセンサーおよび人口統計データは、患者に負担をかけることなく、BDDにおけるリアルタイムの臨床的悪化を効果的に監視できる。; このアプローチは、症状の悪化を防ぐためのジャストインタイム介入の開発に可能性を秘めている。; これらのモデルを実世界の状況で検証し、臨床実践に統合するためには、さらなる研究が必要である。
