使用从可行性研究中的智能手机数据对情绪障碍患者进行分类和集群
Carsten Langholm1, Scott Breitinger2, Lucy Gray1
1Division of Digital Psychiatry, Beth Israel Deaconess Medical Center, Boston, MA, 02115, USA.
NPJ digital medicine
|December 22, 2023
概括
智能手机数据显示了区分双相情感障碍和严重抑郁症的潜力. 对于数字表型的临床应用,还需要进一步的数据流.
科学领域:
- 数字化表型化是指数字化表型化.
- 计算精神病学是一种计算精神病学.
- 移动健康健康服务
背景情况:
- 从重大抑郁症中区分双相情感障碍具有临床挑战.
- 需要新的方法来监测疾病表型.
- 智能手机衍生的行为指标提供了潜在的诊断见解.
研究的目的:
- 评估使用智能手机数据用于表型双极性障碍 (BPI,BPII) 和严重抑郁障碍 (MDD) 的可行性.
- 评估数字表型化对患者组和对照组进行区分的能力.
主要方法:
- 一项为期12周的观察性研究,涉及BPI,BPII,MDD的患者和健康的对照.
- 使用智能手机上的mindLAMP应用程序收集地理位置,加速度计和屏幕状态数据.
- 应用机器学习模型 (随机森林,物流回归,k-means集群) 用于数据分析.
主要成果:
- 一个随机森林模型实现了0.91的AUC,用于对控制对非控制的分类.
- 一个逻辑回归模型显示,区分MDD与双相情感障碍的AUC为0.62.
- K-means集群产生了0.46的轮得分和0.27的ARI.
结论:
- 数字表型学表明,有潜力将患有抑郁症,双相情感障碍和健康对照的个体聚集在一起.
- 目前的准确性限制需要额外的数据流用于临床实施.
- 需要进一步的研究来完善基于智能手机的诊断工具.
