大脑健康的数字生物标志物:通过可穿戴传感器的被动和持续评估

科学领域:

• 神经科学是一个神经科学.
• 数字健康数字健康
• 人工智能的人工智能

背景情况:

• 持续监测大脑健康对于早期发现认知和心理健康变化至关重要.
• 目前的评估方法是繁的,对于现实世界的长期跟踪来说是不可扩展的.
• 消费级可穿戴和移动技术为被动数据收集提供了潜在的解决方案.

研究的目的:

• 研究使用可穿戴设备和移动设备的被动数据来预测认知和情感状态的可行性.
• 评估21种不同的认知和心理健康结果的AI驱动预测的准确性.
• 通过使用多式联络数据,识别大脑健康变化的关键预测因素.

主要方法:

• 在10个月内从82名健康成年人收集了纵向的被动数据 (行为,生理,环境).
• 通过验证的问卷和性能测试在四个波段中收集活动数据.
• 应用人工智能用于预测和通过交叉验证评估性能,确保高数据质量 (96%可穿戴覆盖率).

主要成果:

• 人工智能模型准确地预测了低规模错误的认知和情感结果.
• 患者报告的结果比基于绩效的措施更可预测.
• 环境和生理指标是最重要的预测因素,环境因素解释了个体之间的差异,生理/行为节奏捕捉了人内变化.

结论:

• 来自日常技术的被动,多模式数据可以有效地监测认知和影响.
• 这种方法证明了一种可行,低负担和可扩展的方法,用于持续监测大脑健康.
• 这些发现支持使用消费者技术来追踪大脑健康轨迹的人口水平和早期发现偏差.