机器学习模型预测MS患者在家期间的健康状况

卡内基梅隆大学领导的研究开发了一个模型，可以准确预测COVID-19大流行期间实施的居家令对多发性硬化症等慢性神经系统疾病患者的心理健康的影响。

来自芝加哥梅隆大学、匹兹堡大学和华盛顿大学的研究人员在大流行早期浪潮之前和期间收集了MS患者的智能手机和健身追踪器的数据。具体来说，他们使用被动收集的传感器数据来建立机器学习模型，以预测在前所未有的宅在家期间抑郁、疲劳、睡眠质量差和MS症状恶化。

在大流行开始之前，最初的研究问题是是否数字数据MS患者的智能手机和健身追踪器可以预测临床结果．到2020年3月，由于研究参与者被要求呆在家里，他们的日常行为模式发生了显著改变。研究团队意识到，所收集的数据可以说明居家令对多发性硬化症患者的影响。

“这为我们提供了一个令人兴奋的机会，”CMU人类智能传感(SMASH)实验室的负责人Mayank Goel说。“如果我们观察居家前和居家期间的数据点，我们能识别出预示MS患者健康变化的因素吗?”

研究小组在三到六个月的时间里被动地收集数据，收集了参与者智能手机上的通话次数和通话时长等信息;未接电话数;以及参与者的位置和屏幕活动数据。研究小组还从他们的健身追踪器上收集了心率、睡眠信息和步数数据。这项名为“预测COVID-19在家期间多发性硬化症的结果:使用被动感知行为和数字表型的观察性研究”的研究最近发表在《医学互联网研究心理健康杂志》上。Goel是计算机科学学院软件与社会系统系(S3D)和人机交互研究所(HCII)的副教授，他与HCII的博士生Prerna Chikersal合作;匹兹堡大学神经病学副教授、转化与计算神经免疫学研究项目主任夏宗奇博士;以及华盛顿大学信息学院教授兼院长Anind Dey。

这项工作是基于Goel和Dey研究小组之前的研究。2020年，CMU的一个团队发表了一项研究提出了一个机器学习模型，可以识别抑郁症大学生在学期末使用智能手机和健身追踪器的数据。早期研究的参与者，特别是138名CMU一年级学生，与大学以外的更多人相比，彼此相对相似。研究人员开始测试他们的建模方法是否能够在具有更大人口统计学和临床多样性的现实世界患者人群中准确预测临床相关的健康结果，这导致他们与Xia的MS研究项目合作。

患有多发性硬化症的人可能会经历几种慢性合并症，这让研究小组有机会测试他们的模型是否可以预测不良的健康结果，如严重疲劳，睡眠质量差和多发性硬化症症状恶化，以及抑郁症。在这项研究的基础上，该团队希望通过改善疾病进展的早期检测和实施基于数字表型的有针对性的干预措施，为MS患者推进精准医疗。

这项工作还可以帮助决策者在流行病或自然灾害期间发布未来的居家令或其他类似的应对措施。当最初发布COVID-19“居家令”时，人们很早就对其感到担忧经济影响但这只是对人们身心健康——尤其是对患有慢性神经系统疾病的弱势群体——所造成的损害的姗姗姗迟的认识。

戈埃尔说:“当人们被迫长时间呆在家里时，我们能够捕捉到他们行为的变化，并准确预测临床结果。”“现在我们有了一个工作模型，我们可以评估谁有心理健康恶化的风险身体健康为临床分诊决策提供信息，或塑造未来的公共卫生政策。”