纽约西奈山伊坎医学院的研究人员表示，将机器学习模型（一种人工智能 (AI)）应用于从可穿戴设备被动收集的数据，可以确定患者的恢复力和幸福程度。
JAMIA Open 5月2日刊中报道的研究结果支持可穿戴设备，如 Apple Watch® ，作为远程监测和评估心理状态的一种方式，无需完成心理健康调查问卷。
该论文指出，恢复力或个人克服困难的能力是重要的压力缓解剂，可降低发病率并改善慢性病管理。
“可穿戴设备提供了一种持续收集个人身体状态信息的手段。我们的研究结果为从被动收集的数据中评估心理特征的可行性提供了见解，”西奈山Hasso Plattner数字健康研究所临床主任、第一作者Robert P. Hirten医学博士说。“据我们所知，这是第一项评估弹性(一项关键的心理健康特征)是否可以通过苹果手表等设备进行评估的研究。”
心理健康障碍很常见，占全球疾病负担的 13%，四分之一的人口在某个时候患有心理疾病。然而，研究人员表示，我们用于评估的资源有限。
伊坎西奈山生物医学工程和成像研究所主任、资深作者Zahi Fayad博士说:“在地理和社会经济地位之间，获得治疗的机会存在很大差异，对亲自评估或完成有效心理健康调查的需求进一步受到限制。”“我们需要更好地了解谁有心理风险，并改进追踪心理干预影响的方法。数字技术的发展为改善所有人获得精神卫生服务的机会提供了机会。”
为了确定是否可以训练机器学习模型来使用来自可穿戴设备的数据来区分个人的恢复力和心理健康程度，伊坎西奈山的研究人员分析了 Warrior Watch Study 的数据。利用当前的数字观察研究，该数据集包含纽约市七家医院的 329 名医护人员。
受试者在参与期间佩戴 Apple Watch® Series 4 或 5，在整个随访期间测量心率变异性和静息心率。收集了测量基线弹性、乐观和情感支持的调查。发现收集的指标在识别弹性或幸福状态方面具有预测性。尽管 Warrior Watch Study 并非旨在评估此终点，但研究结果支持通过被动收集的可穿戴数据进一步评估心理特征。
“我们希望这种方法将使我们能够将心理评估和护理带给更多的人群，他们现在可能无法获得这些服务”，该论文的合著者、西奈山Hasso Plattner数字健康研究所临床研究副主任、公共卫生硕士Micol Zweig说。“我们还打算在其他患者群体中评估这项技术，以进一步完善算法并提高其适用性。”
为此，研究团队计划继续使用可穿戴数据来观察一系列生理和心理障碍和疾病。研究人员表示，包括人工智能在内的复杂分析工具的同步开发可以促进对从这些设备和应用程序收集的数据进行分析，以识别与特定精神或身体疾病状况相关的模式。
该论文的标题是“利用可穿戴设备数据确定弹性的机器学习方法：对观察队列的分析”。
其他合著者包括 Matteo Danielleto 博士、Maria Suprun 博士、Eddye Golden、公共卫生硕士、Sparshdeep Kaur、工商管理学士、Drew Helmus、公共卫生硕士、Anthony Biello，文学学士、Dennis Charney 医学博士、Laurie Keefer 博士、Mayte Suarez-Farinas，博士和医学博士 Girish N Nadkami，均来自西奈山伊坎医学院。
Ehrenkranz 人类恢复力实验室、生物医学工程和成像研究所、Hasso Plattner 数字健康研究所、西奈山临床情报中心和 Henry D. Janowitz 博士胃肠病学部为这项研究提供了支持，所有这些都在Icahn Mount Sinai，来自美国国立卫生研究院，资助号 K23DK129835。
本文发布于ScienceDaily，由生活100编译。DOI:10.1093/jamiaopen/ooad029
