Исследование выявило высокую точность данных фитнес-трекеров в диагностике эпизодов настроения у людей с биполярным расстройством. Эти устройства могут определять манию с точностью 89,1% и депрессию — 80,1%, используя алгоритмы машинного обучения и пассивный сбор данных.
Потенциал персонализированной медицины
Результаты исследования подчеркивают важность персонализированных алгоритмов для мониторинга биполярного расстройства. Такой подход позволяет улучшить клиническую помощь, предоставляя медицинским работникам информацию о состоянии пациентов между приемами и ускоряя вмешательство.
Методология исследования
Исследование включало анализ данных, собранных с фитнес-трекеров у людей с биполярным расстройством. Данные были обработаны с использованием алгоритмов машинного обучения, что позволило выявить временные интервалы, когда участники испытывали эпизоды депрессии или мании.
Перспективы применения
Исследование открывает новые возможности для применения фитнес-трекеров в клинической практике. В будущем такие устройства могут стать неотъемлемой частью системы мониторинга пациентов с биполярным расстройством, обеспечивая более точное и своевременное вмешательство.
Заключение
Исследование показало, что фитнес-трекеры могут быть эффективным инструментом для диагностики и мониторинга биполярного расстройства. Эти устройства предоставляют ценные данные, которые могут быть использованы для улучшения клинической помощи и повышения качества жизни пациентов.
Литература.
“Digital phenotyping in bipolar disorder: Using longitudinal Fitbit data and personalized machine learning to predict mood symptomatology” by Jessica Lipschitz et al. Acta Psychiatrica Scandinavica
