Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Phenotyping e l'apprendimento automatico di Digital possono contribuire a valutare la malattia mentale severa

Digital che phenotyping gli approcci che raccolgono ed analizzano i dati dell'Smartphone-utente sulle posizioni, sulle attività e perfino sulle sensibilità - combinate con l'apprendimento automatico per riconoscere i reticoli e fare le previsioni dai dati - per emergere come strumenti di promessa per il video dei pazienti con le malattie di spettro di psicosi, secondo un rapporto nell'emissione ottobre/di settembre della rassegna di Harvard di psichiatria.

Il giornale è pubblicato nel portafoglio di Lippincott da Wolters Kluwer.John Tourous, il MD, MBI, della facoltà di medicina e dei colleghi di Harvard ha esaminato la prova disponibile phenotyping digitale e sull'apprendimento automatico per migliorare la cura per la gente che vive con la schizofrenia, disordine bipolare ed ha collegato le malattie.

Digital che phenotyping fornisce un ponte tanto necessario fra la sintomatologia dei pazienti ed i comportamenti che possono essere usati per valutare e riflettere i disordini psichiatrici.„

Ricercatori di studio, salubrità di Wolters Kluwer

Digital che phenotyping nella schizofrenia e nel disordine bipolare - la prova finora

“Digital che phenotyping è l'uso dei dati dagli smartphones e i wearables si sono raccolti in situ per la cattura dell'espressione digitale dei comportamenti umani,„ secondo gli autori.

I ricercatori della psichiatria ritengono che raccogliere ed analizzare questo genere di informazioni comportamentistiche potrebbero essere utili nella comprensione come i pazienti con la malattia mentale severa stanno funzionando nella vita di tutti i giorni fuori della clinica o del laboratorio - in particolare, per valutare i sintomi e predire le ricadute cliniche.

Il Dott. Tourous e colleghi ha identificato 51 studio su phenotyping digitale nei pazienti con la schizofrenia o il disordine bipolare. L'esame messo a fuoco sugli studi facendo uso di ha raccolto “passivamente„ i dati - per esempio, le letture dell'accelerometro (contatori di operazioni successive) ed i segnali di GPS. L'altro uso phenotyping digitale di approcci “attivamente„ ha raccolto i dati - per esempio, indagini per chiedere ai pazienti di riferire il loro umore.

Gli studi diversi in termini di funzionalità phenotyping digitali usate, tecniche della manipolazione dei dati e analitiche, algoritmi provati e misure di risultato hanno riferito.

Quasi tutto studia i pazienti inclusi con disordine bipolare o la schizofrenia. Gli studi hanno compreso una media di 31 partecipante e li hanno riflessi per circa quattro mesi.

La maggior parte dei studi hanno usato i dati passivi raccolti dagli accelerometri e da GPS; altro misura i registri inclusi di messaggio di testo e di chiamata vocale.

Gli studi hanno usato una vasta gamma di apps differenti come pure gli strumenti/questionari clinici differenti per la valutazione dello stato della salute mentale dei pazienti.

Gli studi hanno presentato il più alta variabilità in segnalazione dei dati di base quali il modello dello smartphone e sistema operativo, età e corsa paziente/origine etnica e se i pazienti avevano ricevuto la formazione in uso della tecnologia. Gli autori formulano i suggerimenti per un formato di segnalazione standardizzato che migliorerebbe la comparabilità degli studi futuri.

Sedici agli degli approcci basati imparare a macchina usati studi per analizzare i dati passivamente raccolti. Come il Dott. Tourous e la nota dei co-author, gli studi hanno usato i vari algoritmi differenti e per scopi diversi.

Il tipo di algoritmo più comunemente usato era “foreste casuali,„ che funzionano combinando molte piccole, decisioni deboli per fare una singola forte previsione. Per esempio, uno studio usato passivamente ha tenuto la carreggiata i dati comportamentistici per predire i punteggi di salute mentale in pazienti con la schizofrenia.

Altri studi hanno usato gli approcci di apprendimento automatico quali regressione di vettore del commputer/sostegno di vettore di sostegno o netti neurali.

Questi algoritmi funzionano nei modi diversi di usare i dati comportamentistici - dove i pazienti stanno andando, se stanno restituendo le chiamate, anche il loro tono della voce - per valutare lo stato corrente della salute mentale dei pazienti, predica il loro rischio di ricaduta, e così via.

“Digital che phenotyping fornisce un ponte tanto necessario fra la sintomatologia dei pazienti ed i comportamenti che possono essere usati per valutare e riflettere i disordini psicotici,„ il Dott. Tourous ed i colleghi scriva.

Richiedono i più grandi studi con i dati più di alta qualità - con “gli sforzi ampliati per applicare l'apprendimento automatico ai dati phenotyping digitali passivi nella diagnosi precoce e nel trattamento di psicosi, includendo nei pazienti clinici di presto-corso ed ad alto rischio di psicosi.„

Source:
Journal reference:

James, B., et al. (2020) Systematic Review of Digital Phenotyping and Machine Learning in Psychosis Spectrum Illnesses. Harvard Review of Psychiatry. doi.org/10.1097/HRP.0000000000000268.