mental health diagnosis : परिधान करण्यायोग्य फिटनेस मॉनिटर्स मानसिक आरोग्य निदानासाठी असू शकतात वरदान

अलीकडील अभ्यासात असे दिसून आले आहे की घालण्यायोग्य लोकप्रिय फिटनेस मॉनिटर्स डेटा वितरीत करत आहेत,. जे घालणाऱ्यांना संभाव्य मानसिक आरोग्य जोखमींबद्दल चेतावणी देऊ शकतात.

वॉशिंग्टन : नैराश्य आणि चिंता हे युनायटेड स्टेट्समधील दोन सर्वात सामान्य मानसिक आरोग्य आजार आहेत. जरी बाधित झालेल्यांपैकी अर्ध्याहून अधिक लोकांना ओळखले जात नाही किंवा त्यांच्यावर उपचार केले जात नाहीत. मानसिक आरोग्य अभ्यासक अशा आजारांचे निदान करण्याचे सोपे मार्ग शोधण्याच्या आशेने, संभाव्य आरोग्य धोक्यांविषयी चेतावणी देणारा डेटा वितरीत करण्यासाठी लोकप्रिय वेअरेबल फिटनेस मॉनिटर्सच्या भूमिकेची तपासणी करत आहेत.

Fitbit डेटा संकलित :मोठ्या आणि वैविध्यपूर्ण लोकसंख्येमध्ये परिधान करण्यायोग्य तंत्रज्ञानाद्वारे अशा प्रकारचे विकार शोधण्याची दीर्घकालीन व्यवहार्यता हा एक खुला प्रश्न आहे. परंतु सेंट लुईस येथील वॉशिंग्टन विद्यापीठातील संशोधकांच्या टीमने आशावादाचे कारण असल्याचे दाखवून दिले. त्यांनी WearNet नावाचे एक सखोल-शिक्षण मॉडेल विकसित केले, ज्यामध्ये त्यांनी Fitbit क्रियाकलाप ट्रॅकर्सद्वारे गोळा केलेल्या 10 व्हेरिएबल्सचा अभ्यास केला. व्हेरिएबल्समध्ये एकूण दैनंदिन पावले आणि कॅलरी बर्न रेटपासून सरासरी हृदय गती आणि बैठी मिनिटांपर्यंत सर्वकाही समाविष्ट होते. संशोधकांनी 60 दिवसांपेक्षा जास्त काळ व्यक्तींसाठी Fitbit डेटा संकलित केला.

परस्परसंबंध आणि जोखमींचे मूल्यांकन :नैराश्य आणि चिंता या जोखीम घटकांचा विचार करताना, WearNet ने अत्याधुनिक मशीन लर्निंग मॉडेलपेक्षा नैराश्य आणि चिंता शोधण्यात चांगले काम केले. याव्यतिरिक्त, मानसिक आरोग्याच्या परिणामांचे वैयक्तिक-स्तरीय अंदाज तयार केले, तर परिधान करण्यायोग्य वापरकर्त्यांच्या इतर सांख्यिकीय विश्लेषणांनी गट स्तरावर परस्परसंबंध आणि जोखमींचे मूल्यांकन केले. सखोल शिक्षण मानसिक विकारांसह या चलांच्या जटिल संबंधांचा शोध घेते, असे संशोधक चेनयांग लू, मॅककेल्वे स्कूल ऑफ इंजिनीअरिंगमधील फुलग्राफ प्राध्यापक आणि स्कूल ऑफ मेडिसिनमधील मेडिसिनचे प्राध्यापक म्हणाले. हे अंतर्निहित नातेसंबंध काढण्यासाठी मशीन लर्निंग हे आमचे सर्वात शक्तिशाली साधन आहे. आमच्या कार्याने मोठ्या आणि वैविध्यपूर्ण समूहाच्या आधारे पुरावे प्रदान केले आहेत की घालण्यायोग्य उपकरणांसह मानसिक विकार शोधणे शक्य आहे.

संशोधकांमध्ये रुईक्सुआन दाई यांचा समावेश होता, ज्यांनी लूच्या प्रयोगशाळेत डॉक्टरेट विद्यार्थी म्हणून काम केले होते. आता ते Google मध्ये सॉफ्टवेअर अभियंता आहेत. थॉमस कन्नमपल्लील, ऍनेस्थेसियोलॉजीचे सहयोगी प्राध्यापक आणि स्कूल ऑफ मेडिसिनमधील सहयोगी मुख्य संशोधन माहिती अधिकारी आणि मॅककेल्वे अभियांत्रिकी येथे संगणक विज्ञान आणि अभियांत्रिकीचे सहयोगी प्राध्यापक; Seonghwan किम, मेडिसिन स्कूल मध्ये डॉक्टरेट उमेदवार; वेरा थॉर्नटन, स्कूल ऑफ मेडिसिनमध्ये एमडी/पीएचडी उमेदवार; आणि लॉरा बेरूत, एमडी, स्कूल ऑफ मेडिसिन येथील मानसोपचारशास्त्राचे माजी विद्यार्थी संपन्न प्राध्यापक.

नैराश्य किंवा चिंता विकार सांगण्यास सक्षम : टीमने 10 मे रोजी इंटरनेट ऑफ थिंग्ज डिझाइन अँड इम्प्लिमेंटेशनवर ACM/IEEE कॉन्फरन्समध्ये आपले निष्कर्ष सादर केले. या पेपरला परिषदेत IoT डेटा अ‍ॅनालिटिक्ससाठी सर्वोत्कृष्ट पेपर पुरस्कार प्रदान करण्यात आला. लूच्या मते, परिधान करण्यायोग्य डेटा मानसिक आरोग्य निदान आणि उपचारांसाठी वरदान ठरू शकतो. मनोचिकित्सकाकडे जाण्यासाठी आणि प्रश्नावली भरण्यासाठी वेळ लागतो आणि नंतर मानसोपचारतज्ज्ञांना भेटण्यास लोकांमध्ये काही अनिच्छा असू शकते, असे ते म्हणाले. लोक आजाराने ग्रस्त असताना त्यांचे जीवन जगत आहेत ज्यामुळे उत्पादकता कमी होते. जीवनाची गुणवत्ता कमी होते. हे एआय मॉडेल तुम्हाला नैराश्य किंवा चिंता विकार आहे की नाही हे सांगण्यास सक्षम आहे. एआय मॉडेलचा एक स्वयंचलित स्क्रीनिंग साधन म्हणून विचार करा जे कदाचित तुम्हाला मानसोपचारतज्ज्ञांना भेटण्याची शिफारस करेल.

मानसिक विकारांचे वेळेत निदान :मानसिक विकार शोधण्यासाठी बिनधास्त दृष्टिकोनाची तातडीने गरज आहे. असे संशोधकांनी सांगितले. लवकर तपासणी केल्याने डॉक्टरांना मानसिक विकारांचे वेळेत निदान आणि उपचार करण्यात मदत होऊ शकते. हे व्यक्तींना त्यांचे वर्तन समायोजित करण्यास आणि विकारांचे परिणाम कमी करण्यास सक्षम करू शकते. वॉशिंग्टन विद्यापीठातील संशोधकांनी 10,000 हून अधिक Fitbit वापरकर्त्यांकडील डेटाचा अभ्यास केला, जो अभ्यासाचा भाग बनलेला सर्वात मोठा परिधान करण्यायोग्य गट आहे. मागील अभ्यासांनी लहान गटांचा विचार केला होता, काही 10 लोकांपेक्षा लहान, शेकडो वापरकर्त्यांपैकी सर्वात मोठे होते. युनिव्हर्सिटी ऑफ वॉशिंग्टन अभ्यासामध्ये आजपर्यंतचा सर्वात वैविध्यपूर्ण गट, वयोगट, वंश, वांशिकता आणि शैक्षणिक स्तरांची विस्तृत श्रेणी समाविष्ट आहे. त्यांचा डेटा नॅशनल इन्स्टिट्यूट ऑफ हेल्थ (NIH) येथील "ऑल ऑफ अस" संशोधन कार्यक्रमातून येतो.

मानसिक स्थितीचे मूल्यांकन : प्रोग्राममध्ये बायोमेडिकल संशोधन आणि अचूक औषधांना गती देण्यासाठी डिझाइन केलेल्या डेटासेटचा संग्रह आहे. असंबंधित संशोधनाने देखील परिधान करण्यायोग्य गोष्टींवर अनुकूलपणे अहवाल दिला आहे की मानसिक स्थितीचे मूल्यांकन करण्यासाठी रेखांशाच्या देखरेखीसाठी एक आश्वासक पद्धत आहे. वॉशिंग्टन विद्यापीठातील संशोधक लिहितात की इतर डिजिटल फिनोटाइप जसे की झोप आणि वर्तन पद्धती, घालण्यायोग्य उपकरणांद्वारे निरीक्षण करता येऊ शकतात.

हेही वाचा :