Исследователи из КМУ, Университета Питтсбурга и Вашингтонского университета собрали данные со смартфонов и фитнес-трекеров людей с рассеянным склерозом как до, так и во время ранней волны пандемии. В частности, они использовали пассивно собранные данные датчиков для построения моделей машинного обучения для прогнозирования депрессии, усталости, плохого качества сна и ухудшения симптомов рассеянного склероза в течение беспрецедентного периода пребывания дома.

До начала пандемии первоначальный исследовательский вопрос заключался в том, могут ли цифровые данные со смартфонов и фитнес-трекеров людей с рассеянным склерозом предсказывать клинические исходы. К марту 2020 года, поскольку участники исследования должны были оставаться дома, их повседневные модели поведения были значительно изменены. Исследовательская группа поняла, что собираемые данные могут повлиять на влияние приказов оставаться дома на людей с рассеянным склерозом.

"Это предоставило нам захватывающую возможность", - сказал Маянк Гоэль, руководитель лаборатории интеллектуального зондирования для людей (SMASH) в CMU. "Если мы посмотрим на данные до и во время периода пребывания дома, можем ли мы определить факторы, которые сигнализируют об изменениях в здоровье людей с рассеянным склерозом?"

Команда пассивно собирала данные в течение трех-шести месяцев, собирая такую информацию, как количество звонков на смартфоны участников и продолжительность этих звонков; количество пропущенных вызовов; а также данные о местоположении участников и активности на экране. Команда также собрала информацию о частоте сердечных сокращений, сне и количестве шагов со своих фитнес-трекеров. Исследование "Прогнозирование исходов рассеянного склероза во время пребывания дома в период COVID-19: обсервационное исследование с использованием пассивно воспринимаемого поведения и цифрового фенотипирования" было недавно опубликовано в Журнал медицинских интернет-исследований Психического здоровья. Гоэль, адъюнкт-профессор кафедры программного обеспечения и социальных систем Школы компьютерных наук (S3D) и Института взаимодействия человека и компьютера (HCII), сотрудничал с Прерной Чикерсал, аспиранткой HCII; доктором Цзунци Ся, адъюнкт-профессором неврологии и директором трансляционного и вычислительного Программа исследований в области нейроиммунологии в Университете Питтсбурга; и Анинд Дей, профессор и декан информационной школы Вашингтонского университета.

Работа была основана на предыдущих исследованиях исследовательских групп Гоэля и Дея. В 2020 году команда CMU опубликовала исследование, в котором была представлена модель машинного обучения, которая могла бы выявлять депрессию у студентов колледжа в конце семестра, используя данные смартфона и фитнес-трекера. Участники более раннего исследования, в частности 138 студентов-первокурсников КМУ, были относительно похожи друг на друга по сравнению с большей частью населения за пределами университета. Исследователи решили проверить, может ли их подход к моделированию точно предсказать клинически значимые результаты для здоровья в реальной популяции пациентов с большим демографическим и клиническим разнообразием, что привело их к сотрудничеству с исследовательской программой Xia по рассеянному склерозу.

Люди с рассеянным склерозом могут испытывать несколько хронических сопутствующих заболеваний, что дало команде возможность проверить, может ли их модель предсказывать неблагоприятные последствия для здоровья, такие как сильная усталость, плохое качество сна и ухудшение симптомов рассеянного склероза в дополнение к депрессии. Основываясь на этом исследовании, команда надеется продвинуть прецизионную медицину для людей с рассеянным склерозом, улучшив раннее выявление прогрессирования заболевания и внедряя целевые вмешательства, основанные на цифровом фенотипировании.

Эта работа могла бы также помочь информировать политиков, которым поручено издавать в будущем приказы о пребывании дома или другие аналогичные меры реагирования во время пандемий или стихийных бедствий. Когда были изданы первоначальные приказы о пребывании на дому в связи с COVID-19, были первые опасения по поводу его экономических последствий, но лишь запоздалая оценка ущерба для психического и физического здоровья людей - особенно среди уязвимых групп населения, таких как люди с хроническими неврологическими заболеваниями.

"Мы смогли зафиксировать изменения в поведении людей и точно предсказать клинические исходы, когда они вынуждены оставаться дома в течение длительного времени", - сказал Гоэль. "Теперь, когда у нас есть рабочая модель, мы могли бы оценить, кто подвержен риску ухудшения психического или физического здоровья, обосновать решения о клинической сортировке или сформировать будущую политику общественного здравоохранения".