智能手机数据有助于预测精神分裂症的复发

康奈尔科技大学(Cornell Tech)的一项新研究显示，来自智能手机的被动数据——包括运动、周围环境的声音和睡眠模式——可以帮助预测精神分裂症复发的发作。

康奈尔理工学院(Cornell Tech)综合健康与技术教授坦齐姆·乔杜里(Tanzeem Choudhury)的实验室发表了两篇论文，研究了智能手机数据如何预测患者对自身状况的自我评估以及他们自身的变化行为模式在a复发。

对精神分裂症复发的早期预测——可能涉及幻觉、对伤害的恐惧、抑郁或戒断的潜在危险发作——除了为临床医生和患者提供有价值的信息以改善和个性化他们的护理外，还可以防止住院治疗。

“这项工作的目的是预测数字指标预警复发的迹象,但这些症状或变化非常,非常不同的从一个人到另一个极端,”丹·阿德勒说,康奈尔大学的博士生科技和第一作者的“预测预警精神病复发的迹象,从被动遥感数据:一种使用编码器-解码器神经网络的方法医学互联网研究杂志mHealth和uHealth。

“我们试图创造一种方法，让我们可以告诉临床医生:这个参与者不仅有不寻常的经历行为阿德勒说。“如果我们能预测某人的症状在复发前什么时候会发生变化，我们就能对他们进行早期治疗，并可能避免住院治疗。”

研究人员在一年多的时间里收集了60名参与者的智能手机数据，其中18人在此期间经历了复发。他们用encoder-decoder神经网络这是一种机器学习，擅长在高度不规则的数据中学习复杂的特征，以检测行为模式，如睡眠，未接电话的数量，以及谈话的持续时间和频率。

该方法发现，与相对健康的日子相比，在复发前的30天里，行为异常的中位数增加了108%。

该论文使用了与华盛顿大学、达特茅斯学院和诺斯韦尔卫生系统合作收集的数据。基于相同的数据集，另一篇论文——“使用行为节律和多任务学习预测精神分裂症的细粒度症状”，发表在科学报告-使用机器学习来更好地理解和预测智能设备被动检测到的行为节律变化的症状。

康奈尔理工学院的博士生Vincent Tseng说:“我们想提供一些可操作的步骤或临床可解释的特征，这样我们可以告诉患者采取一些行动，或告诉临床医生建议一些早期干预。科学报告纸的co-first作者。

---

---