抑郁症的多模式数字评估使用动图和应用程序在香港中文中文中文
Jie Chen1,2, Ngan Yin Chan1, Chun-Tung Li1
1Li Chiu Kong Family Sleep Assessment Unit, Department of Psychiatry, Faculty of Medicine, The Chinese University of Hong Kong, Shatin, Hong Kong SAR, China.
Translational psychiatry
|March 19, 2024
概括
像actigraphy和应用程序这样的数字工具可以评估抑郁症. 多模式数字测量与机器学习相结合,在中国患者中准确诊断出主要抑郁症 (MDD) 和非缓解状态.
科学领域:
- 数字健康数字健康
- 精神病学是一个精神病学.
- 机器学习 机器学习
背景情况:
- 重度抑郁症 (MDD) 的诊断可能具有挑战性.
- 数字评估工具为客观抑郁症评估提供了一种新的方法.
- 多模式数据捕获提供了对患者状况的全面视图.
研究的目的:
- 调查多式联络数字测量用于诊断MDD的有效性.
- 评估机器学习模型检测MDD和非缓解状态.
- 评估在中国人口中对抑郁症的数字表型的可行性.
主要方法:
- 动图和基于应用程序的测量 (D-MOMO) 在一周内收集了休息活动,面部表情,语音和情绪数据.
- 使用七个机器学习模型 (RF,LR,SVM,KNN,DT,NB,ANN) 进行交叉验证.
- 分析了80名MDD受试者和76名对照者的数据 (动图),以及61名MDD受试者和47名对照者的数据 (基于应用程序).
主要成果:
- 患有MDD的患者表现出改变的休息活动模式,包括较低的移动时间和较晚的睡眠中点.
- 面部表情分析显示,在MDD患者中,眉毛下降更频繁,唇角拉动更少.
- 在MDD患者中,语音分析表明停顿变化更高,自我引用更多,负面情绪词语,发音率更低,幸福度更低.
- 人工神经网络 (ANN) 模型在与HADS-D得分相结合时,实现了MDD诊断的F1得分为0.81和非缓解状态的0.70.
结论:
- 多模式数字测量是中国人抑郁症评估的可行工具.
- 将数字数据与机器学习相结合,可以显著提高MDD诊断和表型的准确性.
- 这种方法对客观和可扩展的抑郁症检测有希望.
