機器學習模型預測MS患者在居家期間的健康狀況

由卡內基梅隆大學領導的研究開發(fā)了一個模型，可以準確預測大流行期間實施的居家令如何影響多發(fā)性硬化癥等慢性神經(jīng)系統(tǒng)疾病患者的心理健康。

來自CMU，匹茲堡大學和華盛頓大學的研究人員在大流行的早期浪潮之前和期間從智能手機和健身追蹤器中收集了MS患者的數(shù)據(jù)。具體來說，他們使用被動收集的傳感器數(shù)據(jù)來構建機器學習模型，以預測前所未有的居家期間抑郁，疲勞，睡眠質量差和MS癥狀惡化。

在大流行開始之前，最初的研究問題是來自MS患者的智能手機和健身追蹤器的數(shù)字數(shù)據(jù)是否可以預測臨床結果。到2020年3月，由于研究參與者被要求呆在家里，他們的日常行為模式發(fā)生了重大變化。研究小組意識到，收集的數(shù)據(jù)可以告知居家令對MS患者的影響。

“它為我們提供了一個令人興奮的機會，”CMU人類智能傳感(SMASH)實驗室負責人Mayank Goel說。“如果我們查看居家期間之前和期間的數(shù)據(jù)點，我們能否確定表明MS患者健康狀況變化的因素?”

該團隊在三到六個月內被動收集數(shù)據(jù)，收集諸如參與者智能手機上的通話次數(shù)和通話持續(xù)時間等信息;未接來電的數(shù)量;以及參與者的位置和屏幕活動數(shù)據(jù)。該團隊還從他們的健身追蹤器中收集了心率，睡眠信息和步數(shù)數(shù)據(jù)。該研究“預測居家期間的多發(fā)性硬化癥結果：使用被動感知行為和數(shù)字表型的觀察性研究”，最近發(fā)表在《醫(yī)學互聯(lián)網(wǎng)研究心理健康雜志》上。Goel是計算機科學學院軟件與社會系統(tǒng)系(S3D)和人機交互研究所(HCII)的副教授，他與HCII的博士生普雷納·奇克薩爾合作;夏宗奇博士，匹茲堡大學神經(jīng)病學副教授，轉化與計算神經(jīng)免疫學研究項目主任;和華盛頓大學信息學院教授兼院長阿寧德·戴伊。

標簽：