可穿戴生物传感器预测即将发生的自闭症精神病患者青少年的攻击性行为
Tales Imbiriba1, Ahmet Demirkaya1, Ashutosh Singh1
1College of Engineering, Northeastern University, Boston, Massachusetts.
JAMA network open
|December 21, 2023
概括
可穿戴生物传感器和机器学习可以预测自闭症青少年的攻击性行为. 这项技术分析生理变化以预测攻击性,帮助及时干预以改善患者护理.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 精神病学是一个精神病学.
背景情况:
- 攻击性行为是自闭症谱系障碍 (ASD) 个体面临的重大挑战.
- 预测和预防侵略性情节对于患者安全和住院治疗疗效至关重要.
研究的目的:
- 通过机器学习分析的可穿戴生物传感器数据是否可以预测自闭症住院青少年即将发生的侵略性行为.
- 评估生理监测对早期检测侵略的有效性.
主要方法:
- 一项非干预性预后研究,涉及70名患有自闭症的住院青少年.
- 使用可穿戴生物传感器收集了外围生理数据 (心血管,皮电活动,运动).
- 应用机器学习算法 (逻辑回归,SVM,神经网络) 来预测攻击性行为开始.
主要成果:
- 后勤回归模型准确地预测了攻击性行为在发作前3分钟,接收器操作特征曲线 (AUROC) 下的平均面积为0.80.
- 这项研究记录了6665种攻击性行为,包括自伤,情绪失调和对他人的攻击.
- 模型在预测基于生理变化的攻击性事件方面表现出有效性.
结论:
- 来自可穿戴生物传感器的外围生理信号的机器学习分析可以预测自闭症青少年即将出现的攻击性行为.
- 研究结果支持在临床环境中使用这项技术的潜力,用于主动干预和个性化治疗策略.
