AI预测Fitbit可穿戴的精神疾病开始

在数字健康领域发表的一项新的心理健康研究使用了人工智能(AI)机器学习，并使用可穿戴设备和体检中的生物识别数据来预测精神疾病的发作.

根据盖洛普(Gallup)的说法，在共同199年大流行之前的十年，悲伤，压力，忧虑和愤怒的心理健康问题在全球范围内都在上升.

我们的数据世界估计，2017年全球有7.92亿人患有精神疾病，占全球10.7％或十分之一的人.在美国，有41.5％的成年人表现出表现出的症状根据美国疾病控制与预防中心(CDC)的焦虑或抑郁.

"精神疾病发作时的预防和检测非常重要，因为精神疾病的缓解率通常较低，并且对早期治疗的有利预后."位于日本东京.

该研究使用了JMDC Inc.健康保险数据库的数据，有4,600多名受试者. AI算法为三个月的连续可穿戴数据和任何体检数据提供了喂食.可穿戴的数据包括Fitbit的有关活动，睡眠和静息心率的信息.

"在这项研究中，我们使用机器学习来建立一种预测模型，该模型使用了从Fitbit可穿戴设备和医学检查记录中获得的睡眠和活动数据来建立导致精神疾病发作的标准."

科学家使用AI机器学习，特别是XGBoost二进制分类模型创建了一个预测模型. Xgboost是极端梯度提升的缩写，是一个开源分布式梯度提高决策树(GBDT)机器学习库.梯度提升是一种监督的学习AI算法，通常用于回归和分类任务，提供了可靠的预测.

该研究表明，针对睡眠稳定的早期干预是精神疾病发作的有效度量.在Fitbit可穿戴数据出现精神疾病之前的三个月之前，已经发现睡眠异常.

"对使用机器学习构建的模型结果的分析表明，睡眠异常，尤其是睡眠节奏的不稳定，与疾病的发作概率增加有关，睡眠障碍可能是精神疾病发作的预测指标，"研究人员发现. "此外，与活动相关的指数和与饮酒有关的医学检查数据包括在最高特征中，也建议这些数据是因素."

."

版权所有©2022 Cami Rosso.保留所有权利.