2025-01-15 | 대전=박희윤 기자

精准预测抑郁症,如今在手腕上即可实现

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩美联合研究团队开发出利用可穿戴设备采集的生物数据预测第二天心情、进而预测抑郁症症状出现可能性的技术。

KAIST 15日表示,脑认知科学系金大旭教授研究团队与美国密歇根大学数学系Daniel B. Forger教授团队合作,开发出从智能手表采集的活动量、心率数据预测轮班工作者睡眠障碍、抑郁情绪、食欲不振、暴食、注意力下降等抑郁症相关症状的技术。

据WHO,精神疾病新的有前景的治疗方向是聚焦于位于大脑下丘脑、直接影响冲动性、情绪反应、决策及整体心情的生物钟(circadian clock)与睡眠(sleep stage)。

但目前要测量内源性生物节律(endogenous circadian rhythms)和睡眠状态,需在一整夜内每30分钟抽血测量体内褪黑素浓度变化,并进行多导睡眠监测(PSG·polysomnography)。因此住院不可避免,而现实医疗现场的精神疾病患者多为门诊治疗,兼顾这两项因素的疗法开发在过去半个世纪几无进展。此外检查费用也不可忽视,社会弱势群体目前处于精神健康治疗的盲区。

克服这一问题的解决方案是可穿戴设备,其可不受空间限制实时轻松采集心率、体温、活动量等多种生物数据。然而目前可穿戴设备存在局限,仅能提供生物钟相位等医疗现场所需生物标志物(Biomarker)的间接信息。

联合研究团队开发出从智能手表采集的心率和活动量时间序列数据等准确推定每日变化的生物钟相位的滤波(Filtering)技术。这实现了精确刻画大脑昼夜节律的数字孪生(Digital twin),可用于推定昼夜节律紊乱。

该生物钟数字孪生用于预测抑郁症症状的可能性,通过与密歇根大学神经科学研究所Srijan Sen教授及精神健康医学科Amy Bohnert教授研究团队的合作得到验证。

合作研究团队开展了约800名轮班工作者参与的大规模前瞻性队列研究,表明通过该技术推定的昼夜节律紊乱数字生物标志物可预测第二天的心情,以及包括睡眠问题、食欲变化、注意力下降、自杀念头在内的抑郁症代表性症状共6项。

金大旭教授表示:“能够开展利用数学为此前未被充分利用的可穿戴生物数据应用于实际疾病管理提供线索的研究,意义重大”,并称“期待通过本次研究提出连续、非侵入性的精神健康监测技术”。

金教授补充说:“这将解决当前社会弱势群体在出现抑郁症症状时必须主动采取联系咨询中心等行动才能获得帮助的问题,从而提出精神健康管理的新范式”。

KAIST脑认知科学系金大旭教授作为共同第一作者及通讯作者参与的该研究成果,发表于国际学术期刊《npj Digital Medicine》12月5日在线版。

阅读韩文原文