संयुक्त राज्य अमेरिका में अवसाद और चिंता दो सबसे आम मानसिक स्वास्थ्य बीमारियां हैं, हालांकि प्रभावित लोगों में से आधे से अधिक की न तो पहचान की जाती है और न ही उनका इलाज किया जाता है। मानसिक स्वास्थ्य चिकित्सक डेटा देने में लोकप्रिय पहनने योग्य फिटनेस मॉनिटर की भूमिका की जांच कर रहे हैं जो इस तरह की बीमारियों के निदान के सरल तरीके खोजने की उम्मीद में पहनने वालों को संभावित स्वास्थ्य खतरों से आगाह कर सकते हैं।

जबकि पहनने योग्य तकनीक के साथ इस तरह के विकारों का पता लगाने की दीर्घकालिक व्यवहार्यता एक बड़ी और विविध आबादी में एक खुला प्रश्न है, सेंट लुइस में वाशिंगटन विश्वविद्यालय के शोधकर्ताओं की एक टीम ने दिखाया कि आशावाद का कारण है। उन्होंने वेयरनेट नामक एक गहन-शिक्षण मॉडल विकसित किया, जिसमें उन्होंने फिटबिट गतिविधि ट्रैकर द्वारा एकत्रित 10 चरों का अध्ययन किया। चर में कुल दैनिक कदम और कैलोरी बर्न दर से लेकर औसत हृदय गति और गतिहीन मिनट तक सब कुछ शामिल था। शोधकर्ताओं ने 60 से अधिक दिनों के लिए व्यक्तियों के लिए फिटबिट डेटा संकलित किया।

अवसाद और चिंता जोखिम कारकों पर विचार करते समय, वेयरनेट ने अत्याधुनिक मशीन लर्निंग मॉडल की तुलना में अवसाद और चिंता का पता लगाने में बेहतर काम किया। इसके अलावा, इसने मानसिक स्वास्थ्य परिणामों की व्यक्तिगत-स्तर की भविष्यवाणियां कीं, जबकि पहनने योग्य उपयोगकर्ताओं के अन्य सांख्यिकीय विश्लेषण समूह स्तर पर सहसंबंधों और जोखिमों का आकलन करते हैं।

मैककेल्वे स्कूल ऑफ इंजीनियरिंग में फुलग्राफ प्रोफेसर और स्कूल ऑफ मेडिसिन में मेडिसिन के प्रोफेसर, शोधकर्ता चेनयांग लू ने कहा, “गहरी शिक्षा मानसिक विकारों के साथ इन चरों के जटिल संघों की खोज करती है।” “मशीन लर्निंग इन अंतर्निहित संबंधों को निकालने के लिए हमारा सबसे शक्तिशाली उपकरण है। हमारे काम ने एक बड़े और विविध समूह के आधार पर सबूत प्रदान किया है कि पहनने योग्य उपकरणों के साथ मानसिक विकारों का पता लगाना संभव है। अगला कदम अस्पताल प्रणाली या कुछ कंपनी को विश्वास दिलाना है। इसे लागू करने के लिए।”

शोधकर्ताओं में रुइक्सुआन दाई शामिल थे, जिन्होंने डॉक्टरेट छात्र के रूप में लू की प्रयोगशाला में काम किया और अब Google में एक सॉफ्टवेयर इंजीनियर हैं; थॉमस कन्नमपल्लील, स्कूल ऑफ मेडिसिन में एनेस्थिसियोलॉजी के एसोसिएट प्रोफेसर और एसोसिएट चीफ रिसर्च इंफॉर्मेशन ऑफिसर और मैककेल्वे इंजीनियरिंग में कंप्यूटर साइंस और इंजीनियरिंग के एसोसिएट प्रोफेसर; स्कूल ऑफ मेडिसिन में डॉक्टरेट के उम्मीदवार सेनघवान किम; स्कूल ऑफ मेडिसिन में एमडी/पीएचडी उम्मीदवार वेरा थॉर्नटन; और लौरा बेरुत, एमडी, स्कूल ऑफ मेडिसिन में मनोचिकित्सा के पूर्व छात्र संपन्न प्रोफेसर।

टीम ने 10 मई को इंटरनेट ऑफ़ थिंग्स डिज़ाइन और कार्यान्वयन पर ACM/IEEE सम्मेलन में अपने निष्कर्ष प्रस्तुत किए। इस पेपर को सम्मेलन में IoT डेटा एनालिटिक्स के लिए बेस्ट पेपर अवार्ड से सम्मानित किया गया।

लू के अनुसार पहनने योग्य डेटा मानसिक स्वास्थ्य निदान और उपचार के लिए वरदान हो सकता है।

“मनोचिकित्सक के पास जाना और प्रश्नावली भरना समय लेने वाला है, और फिर लोगों के पास मनोचिकित्सक को देखने के लिए कुछ मितव्ययिता हो सकती है,” उन्होंने कहा। “लोग एक बीमारी से पीड़ित होने के दौरान अपने जीवन के बारे में जा रहे हैं जिसके परिणामस्वरूप उत्पादकता कम होती है और जीवन की गुणवत्ता खराब होती है। यह एआई मॉडल आपको यह बताने में सक्षम है कि आपको अवसाद या चिंता विकार हैं। एआई मॉडल को एक स्वचालित स्क्रीनिंग टूल के रूप में सोचें जो हो सकता है अनुशंसा करते हैं कि आप एक मनोचिकित्सक के पास जाएँ।”

शोधकर्ताओं ने कहा, “मानसिक विकारों का पता लगाने के लिए एक विनीत दृष्टिकोण की तत्काल आवश्यकता है।” “प्रारंभिक पहचान से चिकित्सकों को समय पर मानसिक विकारों का निदान और उपचार करने में मदद मिल सकती है। यह व्यक्तियों को अपने व्यवहार को समायोजित करने और विकारों के प्रभाव को कम करने में भी सक्षम कर सकता है।”

वाशिंगटन विश्वविद्यालय के शोधकर्ताओं ने 10,000 से अधिक फिटबिट उपयोगकर्ताओं के डेटा का अध्ययन किया, जो एक अध्ययन का हिस्सा बनने के लिए सबसे बड़ा पहनने योग्य समूह है। पिछले अध्ययनों में छोटे समूहों को माना गया था, कुछ को 10 लोगों के रूप में छोटा माना गया था, जो सैकड़ों उपयोगकर्ताओं में सबसे बड़ा टॉपिंग आउट था।

वाशिंगटन विश्वविद्यालय के अध्ययन में उम्र, नस्ल, जातीयता और शिक्षा के स्तर की एक विस्तृत श्रृंखला शामिल थी, जो आज तक का सबसे विविध समूह है। उनका डेटा नेशनल इंस्टीट्यूट ऑफ हेल्थ (NIH) में “ऑल ऑफ अस” रिसर्च प्रोग्राम से आया है। कार्यक्रम में डेटासेट का एक संग्रह है जो जैव चिकित्सा अनुसंधान और सटीक दवा में तेजी लाने के लिए डिज़ाइन किया गया है।

असंबंधित शोध ने भी मानसिक स्थिति का आकलन करने के लिए “अनुदैर्ध्य निगरानी के लिए आशाजनक तरीका” होने के कारण पहनने योग्य वस्तुओं पर अनुकूल रिपोर्ट दी है। वाशिंगटन विश्वविद्यालय के शोधकर्ताओं ने लिखा है कि अन्य “डिजिटल फेनोटाइप”, जैसे कि नींद और व्यवहार के पैटर्न, पहनने योग्य उपकरणों द्वारा देखे जा सकते हैं।