Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Digitaces phenotyping y el aprendizaje de máquina pueden ayudar a fijar enfermedad mental severa

Aproximaciones phenotyping de Digitaces que cerco y analizan datos del Smartphone-utilizador sobre situaciones, actividades, e incluso sensaciones - combinadas con el aprendizaje de máquina reconocer configuraciones y hacer predicciones de los datos - para haber emergido como herramientas prometedoras para vigilar a pacientes con enfermedades del espectro de la psicosis, según un parte en la aplicación de septiembre/de octubre la revista de Harvard de la psiquiatría.

El gorrón es publicado en la cartera de Lippincott por Wolters Kluwer.John Tourous, Doctor en Medicina, MBI, de la Facultad de Medicina y de los colegas de Harvard revisó pruebas disponibles en phenotyping digital y el aprendizaje de máquina para perfeccionar el cuidado para la gente que vivía con la esquizofrenia, desorden bipolar, y relacionó enfermedades.

Digital phenotyping ofrece un puente muy necesario entre la sintomatología de los pacientes y los comportamientos que se pueden utilizar para fijar y para vigilar desordenes psiquiátricos.”

Investigadores del estudio, salud de Wolters Kluwer

Digitaces phenotyping en la esquizofrenia y el desorden bipolar - las pruebas hasta ahora

“Digital phenotyping es el uso de datos de smartphones y los wearables cerco in situ para capturar una expresión digital de conductas humanas,” según los autores.

Los investigadores de la psiquiatría piensan que el cerco y analizar de esta clase de información del comportamiento pudieron ser útiles en la comprensión de cómo los pacientes con enfermedad mental severa están funcionando en vida cotidiana fuera de la clínica o del laboratorio - particularmente, para fijar síntomas y para predecir recaídas clínicas.

El Dr. Tourous y colegas determinó 51 estudios de phenotyping digital en pacientes con esquizofrenia o desorden bipolar. La revista centrada en estudios usando cerco “pasivo” datos - por ejemplo, las lecturas del acelerómetro (contratirantes de paso) y las señales de GPS. El otro uso phenotyping digital de las aproximaciones cerco “activamente” datos - por ejemplo, los levantamientos topográficos para pedir que los pacientes denuncien su humor.

Los estudios variados en términos de características phenotyping digitales usadas, técnicas de manipulación de datos, analíticas, algoritmos probados, y dimensiones del resultado denunciaron.

Casi todo estudia a pacientes incluidos con desorden bipolar o esquizofrenia. Los estudios incluyeron a un promedio de 31 participantes y los vigilaron por cerca de cuatro meses.

La mayoría de los estudios utilizaron los datos pasivos cerco por los acelerómetros y GPS; otro mide troncos de mensaje incluidos del lamamiento y de texto de voz.

Los estudios utilizaron una amplia gama de diversos apps, así como las diversos herramientas/cuestionarios clínicos para fijar el estado de la salud mental de los pacientes.

Los estudios presentaron una variabilidad más alta en la información de datos básicos tales como modelo del smartphone y sistema operativo, edad y carrera paciente/pertenencia étnica, y si los pacientes habían recibido el entrenamiento funcionando de la tecnología. Los autores hacen las sugerencias para un formato de información estandardizado que perfeccionaría la comparabilidad de los estudios futuros.

Dieciséis de los estudios utilizaron aproximaciones aprender-basadas máquina para analizar los datos pasivo cerco. Como el Dr. Tourous y la nota de los co-autores, los estudios utilizaron diversos diversos algoritmos, y para diferentes fines.

El tipo más de uso general del algoritmo era los “bosques al azar,” que trabajan combinando muchas decisiones pequeñas, débiles para hacer una única predicción fuerte. Por ejemplo, un estudio usado pasivo rastreó datos del comportamiento para predecir muescas de la salud mental en pacientes con esquizofrenia.

Otros estudios utilizaron el máquina-aprendizaje de aproximaciones tales como regresión del vector de la máquina/del apoyo del vector del apoyo o redes de los nervios.

Estos algoritmos trabajan en maneras diferentes de utilizar datos del comportamiento - donde van los pacientes, si están volviendo lamamientos, incluso su tono de la voz - para fijar el estado de la salud mental actual de los pacientes, prediga su riesgo de recaída, y así sucesivamente.

“Digital phenotyping ofrece un puente muy necesario entre la sintomatología de los pacientes y los comportamientos que se pueden utilizar para fijar y para vigilar desordenes sicopáticos,” el Dr. Tourous y los colegas escriba.

Piden estudios más grandes con datos más de alta calidad - junto con “esfuerzos desplegados de aplicar el aprendizaje de máquina a los datos phenotyping digitales pasivos en diagnóstico precoz y el tratamiento de la psicosis, incluyendo en pacientes de alto riesgo y del temprano-curso clínicos de la psicosis.”

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.