Tutkijat ovat oppineet tunnistamaan masennuksen kuntorannekkeen tietojen perusteella

Ryhmä tutkijoita Singaporen Nanyangin teknillisestä yliopistosta kehitetty ennustava tietokoneohjelma, jota voidaan käyttää masennuksen havaitsemiseen. Se perustuu tavallisen kuntorannekkeen tietoihin.

Ycogni-niminen ohjelma toimii koneoppimisen pohjalta. Se arvioi masennuksen riskiä analysoimalla henkilön fyysistä aktiivisuutta, unirytmiä ja vuorokausirytmiä puettavien laitteiden tietojen perusteella. Tutkijat käyttivät tutkimuksessa Fitbit Charge 2 -rannekoruja.

290 koehenkilöä käytti seurantalaitteita 14 päivän ajan. Ne voitiin poistaa vain kylvyn tai suihkun aikana sekä latausta varten.

Kahden viikon jakson alussa ja sitten taas lopussa osallistujat täyttivät myös kyselylomakkeen, jota käytetään laajalti masennuksen tunnistamiseen. Näiden tutkimusten tulokset yhdistettiin Fitbit Charge 2:n keräämiin tietoihin, joita käytettiin Ycognin harjoittamiseen.

Harjoittelun jälkeen, kun tätä ohjelmaa käytettiin pelkästään rannekorun tietojen analysointiin, sen havaittiin olevan noin 80 % tarkka masennuksen kehittymisen ennustamisessa.

Todettiin, että riskiryhmissä syke oli vaihtelevampi aamuyöllä 2:n ja 4:n välillä ja sitten taas klo 4 ja 6 välillä. Tämä on sopusoinnussa aikaisempien tutkimusten kanssa, joiden mukaan sykkeen muutokset unen aikana voivat olla vahva fysiologinen masennuksen indikaattori.

Lisäksi Fitbit rannerenkaita vahvistettuettä riskiryhmiin kuuluvilla henkilöillä oli yleensä laajempi heräämis- ja nukkumisaika. Mikä on myös merkki mahdollisesta häiriöstä.

Entiset Stanfordin tutkijat ehdotti täysin uusi tapa hoitaa masennusta, joka oli tehokas 79 %:lla potilaista.