智能手表可以预测偏头痛吗?使用机器学习 (ML) 与可穿戴的夜间自主神经系统 (ANS) 和睡眠指标来预测头痛

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 偏头痛的不可预测性构成了重大负担,限制了个性化预防策略.
• 可穿戴技术为不断监测生理数据提供了潜力.
• 识别高风险偏头痛日可以改善治疗结果和患者管理.

研究的目的:

• 为了确定夜间自主神经系统 (ANS) 活动和睡眠指标是否预测第二天的偏头痛.
• 用可穿戴数据评估个性化机器学习 (ML) 模型在偏头痛预测方面的有效性.

主要方法:

• 一项前性观察性研究,对10名偏头痛患者进行了观察 (5例是情节性偏头痛,5例是慢性偏头痛).
• 可穿戴设备 (Empatica EmbracePlus®) 收集了夜间电皮活动 (EDA),脉率变化 (PRV),呼吸率 (RR),睡眠时间和中断.
• 个性化ML模型 (弹性网,随机森林,梯度提升) 训练来预测第二天的偏头痛和头痛.

主要成果:

• 组级分析显示,在ANS或睡眠指标中没有显著的预测差异.
• 个性化ML模型实现了对第二天偏头痛 (5/10参与者) 和头痛 (3/10参与者) 的比随机更好的预测.
• 表现最好的模型表现中等至良好 (偏头痛的AUROC为0.68,头痛为0.81),睡眠时间,PRV和EDA被确定为关键预测因素.

结论:

• 使用可穿戴式衍生ANS和睡眠数据的个性化ML模型显示了识别偏头痛风险增加的潜力.
• 睡眠时间,PRV和EDA是偏头痛预测的重要特征.
• 未来的研究应该探索高风险日的有针对性的干预措施,并确定从预测建模中受益的患者子组.