محققان از داده‌های جمع‌آوری‌شده از گجت‌های ردیاب سلامتی و تناسب اندام برای تشخیص تغییر خلق‌وخوی افراد مبتلا به اختلال دوقطبی استفاده کردند. آنها از داده‌های روزانه گجت‌های فیت‌بیت (Fitbit) برای آموزش الگوریتم یادگیری ماشینی به‌منظور پیش‌بینی دقیق دوره‌های خلق‌وخوی مرتبط با اختلال دوقطبی بهره بردند و به‌خوبی این نوسانات را پیش‌بینی کردند.

براساس گزارش نیواطلس، دوره‌های مختلف اختلال دوقطبی (BD) که بین افسردگی و شیدایی در نوسان است، می‌تواند تأثیر زیادی بر کار، روابط و سلامت فرد داشته باشد. درمان BD نیز بر محدودکردن این تأثیر متمرکز است که همین امر نیاز به شناسایی سریع دوره‌های خلقی فرد دارد. محققان بیمارستان بریگهام و زنان (BWH) در بوستون آمریکا در پژوهش جدیدی با هدف یافتن روشی دقیق برای تشخیص دوره‌های خلقی افراد مبتلا به BD به دستگاه ردیاب سلامتی فیت‌بیت روی آوردند.

پیش‌بینی نوسانات خلقی اختلال دوقطبی با داده‌های فیت‌بیت

دکتر «جسیکا لیپسشیتز» (Jessica Lipschitz)، نویسنده اصلی این مطالعه، می‌گوید: «بیشتر مردم دستگاه‌های دیجیتال شخصی مانند موبایل و ساعت‌های هوشمند دارند که داده‌های روزانه آنها را جمع‌آوری می‌کنند و می‌تواند به درمان روان‌پزشکی کمک کند. هدف ما استفاده از این داده‌ها برای شناسایی دوره‌های مختلف خلقی افراد مبتلا به اختلال دوقطبی بود.»

مطالعات مختلف نشان داده‌اند اکثر افراد مبتلا به BD حداقل ۳ بار در سال تغییر شدت علائم و «قطبیت» خلق‌وخوی خود را تجربه می‌کنند؛ از شادی بسیار و شیدایی به سمت احساس غمگینی، بی‌تفاوتی یا ناامیدی و افسردگی می‌روند. این بیماری در نوع دسته‌بندی می‌شود: اختلال دوقطبی I و اختلال دوقطبی II.

دوره‌های شیدایی دوقطبی نوع اول حداقل ۷ روز طول می‌کشد و معمولاً به حدی شدید است که فرد نیاز به بستری‌ شدن در بیمارستان دارد. دوره‌های افسردگی نیز معمولاً حداقل ۲ هفته طول می‌کشند. دوقطبی نوع دوم نیز بیشتر با الگوی افسردگی و هیپومانیا (نیمه‌شیدایی) مشخص می‌شود.

در پژوهش حاضر، محققان 54 بزرگسال مبتلا به BP-I یا BP-II را انتخاب کردند و از آنها خواستند 9 ماه مداوم از فیت‌بیت استفاده کنند. همچنین از شرکت‌کنندگان خواسته شد علائم افسردگی و شیدایی را هر ۲ هفته یک‌ بار گزارش کنند. داده‌های این افراد که شامل 17 متغیر مانند تعداد گام‌ها، مدت بی‌تحرکی، ضربان قلب، کل زمان خواب، نمره کیفیت خواب و مدت خواب عمیق بود، جمع‌آوری شد. سپس با کمک الگوریتم یادگیری ماشینی علائم مهم افسردگی و شیدایی پیش‌بینی شد.

به عبارت دقیق‌تر، این الگوریتم دقیقاً 89.1 درصد علائم هیپومانیک یا شیدایی و 80.1 درصد علائم افسردگی را پیش‌بینی کرد.

یافته‌های این پژوهش در ژورنال Acta Psychiatrica Scandinavica منتشر شده است.