L'IA prédit le début de la maladie mentale avec Fitbit Wearable

Source : Geralt/Pixabay

Une nouvelle étude sur la santé mentale publiée dans Frontières de la santé numérique a utilisé l’apprentissage automatique de l’intelligence artificielle (IA) avec des données biométriques provenant d’appareils portables et d’examens médicaux pour prédire l’apparition d’une maladie mentale.

Selon Gallup, au cours de la décennie qui a précédé la pandémie de COVID-19, les problèmes de santé mentale liés à la tristesse, au stress, à l’inquiétude et à la colère ont augmenté dans le monde entier.

Notre monde en données a estimé que 792 millions de personnes vivaient avec un trouble de santé mentale, soit 10,7%, soit plus d’une personne sur dix dans le monde en 2017. En Amérique, 41,5% des adultes présentaient des symptômes d’anxiété ou de dépression au début de 2021, selon les Centers for Disease des États-Unis. Contrôle et Prévention (CDC).

“La prévention et la détection au début de la maladie mentale sont extrêmement importantes en raison du taux de rémission généralement faible de la maladie mentale et du pronostic favorable de l’initiation précoce du traitement”, ont écrit les chercheurs affiliés à l’Université de Tokyo et au JMDC Inc. situé à Tokyo. , Japon.

L’étude a utilisé les données d’une base de données d’assurance maladie JMDC Inc. avec plus de 4 600 sujets. L’algorithme d’IA a été alimenté pendant trois mois de données portables continues et de toutes les données d’examen médical. Les données portables comprenaient des informations de Fitbit sur l’activité, le sommeil et la fréquence cardiaque au repos.

“Dans cette étude, nous avons utilisé l’apprentissage automatique pour créer un modèle prédictif qui utilisait les données de sommeil et d’activité acquises à partir des appareils portables Fitbit et des dossiers d’examen médical pour établir les critères conduisant à l’apparition de la maladie mentale”, ont écrit les chercheurs.

Les scientifiques ont créé un modèle prédictif utilisant l’apprentissage automatique de l’IA, en particulier un modèle de classification binaire XGBoost. XGBoost, abréviation d’Extreme Gradient Boosting, est une bibliothèque d’apprentissage automatique open source distribuée à arbre de décision boosté par gradient (GBDT). Le gradient boosting est un algorithme d’IA d’apprentissage supervisé souvent utilisé dans les tâches de régression et de classification qui donne des prédictions robustes.

L’étude a montré qu’une intervention précoce visant la stabilisation du sommeil est une mesure efficace pour l’apparition de la maladie mentale. Des anomalies du sommeil ont été identifiées trois mois avant l’émergence de la maladie mentale à partir des données portables Fitbit.

“L’analyse des résultats du modèle construit avec l’apprentissage automatique a suggéré que les anomalies du sommeil, en particulier la déstabilisation des rythmes de sommeil, sont associées à une probabilité accrue d’apparition de la maladie et que les troubles du sommeil peuvent être un facteur prédictif de l’apparition de la maladie mentale”, ont découvert les chercheurs. “En outre, les indices liés à l’activité et les données d’examen médical relatives à la consommation d’alcool ont été inclus dans les caractéristiques les plus élevées, et il a également été suggéré qu’il s’agissait de facteurs.”

Vous pourriez également aimer