从数字生物标志物预测情绪和神经精神症状的严重程度,使用可穿戴生理数据和深度学习
Yuri G Rykov1, Kok Pin Ng2, Michael D Patterson1
1Neuroglee Therapeutics, 2 Venture Dr, #08-18, Singapore, 608526.
Computers in biology and medicine
|August 1, 2024
概括
可穿戴式传感器可以持续监测轻度认知障碍 (MCI) 的老年人的心理健康. 数字生物标志物和深度学习可以准确预测日常情绪障碍和神经精神病症状严重程度,有助于早期检测.
科学领域:
- 老年学是一门学科.
- 神经科学是一个神经科学.
- 数字健康数字健康
背景情况:
- 神经精神症状 (NPS) 和情绪障碍在轻度认知障碍 (MCI) 中普遍存在,增加痴呆风险.
- 目前对NPS和情绪障碍的评估方法往往不方便且不频繁.
- 可穿戴设备提供了对这些症状的持续,被动监测的潜力.
研究的目的:
- 评估来自可穿戴传感器的数字生物标志物的预测准确度,以评估患有MCI的老年人每日NPS和情绪障碍严重程度.
- 探索来自生理数据的深度学习特征的实用性,以提高症状评估.
主要方法:
- 一项涉及患有MCI的老年人的纵向研究.
- 使用手腕穿戴可穿戴设备收集生理和行为数据.
- 使用了传统的生理生物标志物 (例如心率变化) 和来自自主监督卷积自编码器的深度学习功能.
主要成果:
- 综合数字生物标志物和深度特征准确预测了抑郁症严重程度 (r=0.73),总情绪障碍症状 (r=0.67) 和轻度行为障碍 (r=0.69).
- 在可穿戴式数字生物标志物和临床症状严重程度得分之间显示出强烈的相关性.
结论:
- 来自可穿戴设备的生理生物标志物与深度学习相结合,显示出在患有MCI的老年人中进行持续,不引人注目的心理健康评估的巨大潜力.
- 这种方法可以克服传统评估方法的局限性,促进及时干预.
