새로 발표된 한 쌍의 연구는 수동적 스마트폰 데이터를 사용하여 정신분열증환자의 재발 에피소드를 효과적으로 예측하는 방법을 보여준다. 이 연구는 기계학습을 사용하여 행동데이터를 분석하고 정신분열성 재발이 발생하기 최대 한 달 전에 예측해냈다.
"우리는 임상의에게 말할 수있는 접근방식을 만들려고 노력했다.이 참가자는 비정상적인 행동을 경험하고있을뿐만 아니라 이 특정환자에서 다른 특정한 것들이 있다."라고 이 프로젝트를 수행하는 Cornell Tech의 연구원 Dan Adler는 말한다. "누군가의 증상이 재발하기 전에 언제 변할지 예측할 수 있다면 조기치료를 받고 입원환자 방문을통해 예방할 수 있다."
이 시스템은 미리 재발을 예측할뿐만 아니라 환자의 상태에 대한자가 평가를 효과적으로 예측할 수 있다. 그리고 데이터를보다 세밀하게 분석한 결과 세분화된 증상 변화도 예측할 수 있다.
패시브 스마트 폰 데이터를 통해 추적되는 다양한 유형의 행동패턴이 특정 증상 특성과 연관될 수 있다. Scientific Reports 저널에 게재된 논문 중 하나는 시스템 자체가 실시간으로 개입하여 피험자를 다가오는 재발을 방지하는 행동패턴으로 안내하는 가상 시나리오를 제시한다.
“예를 들어, 몇 시간 동안 환경 소음의 울트라디안 리듬에 비정상적인 변화가있는 경우 시스템은 주변소음 수준이 더 낮고 안정적인 환경으로 환자를 이동하여 소음을 방지 할 수 있다. 자의인지능력에 영향을 미친다.”라고 연구원들은 썼다. “예를 들어 저녁과 같은 특정기간에 환자의 전화사용 패턴이 다른 기간 (오전 및 오후)과 매우 다른 것을 시스템에서 감지하면 시스템이 개입하여 환자의 전화사용 패턴을 변경하여 병의 도래를 지연시킬 수 있다. 예를 들어, 스트레스 증가를 피하기 위해 전화 알림을 설정할 수있다.”
Cornell Tech의 Tanzeem Choudhury는 이 2가지 새로운 논문의 공동저자로서 개발된 시스템이 많은 정신건강 상태에 적합 할 수 있다고 제안한다. 그는 극심한 행동변화를 수동적으로 추적함으로써 주요 우울한 에피소드조차도 미리 예측할 수 있다고 말한다.
Choudhury는 행동 루틴의 변화와 근본적인 생물학적 리듬과의 오정렬에 초점을 맞춰 다양한 사용자 통계에 걸쳐 일반화되는 임상적으로 실행가능한 통찰력을 생성할 수 있다고 본다.
이 연구는 Scientific Reports 저널, Journal of Medical Internet Research mHealth 및 uHealth에 게재되었다 . 출처 : Cornell Chronicle