机器学习模型预测MS患者在居家期间的健康状况

由卡内基梅隆大学领导的研究开发了一个模型，可以准确预测大流行期间实施的居家令如何影响多发性硬化症等慢性神经系统疾病患者的心理健康。

来自CMU，匹兹堡大学和华盛顿大学的研究人员在大流行的早期浪潮之前和期间从智能手机和健身追踪器中收集了MS患者的数据。具体来说，他们使用被动收集的传感器数据来构建机器学习模型，以预测前所未有的居家期间抑郁，疲劳，睡眠质量差和MS症状恶化。

在大流行开始之前，最初的研究问题是来自MS患者的智能手机和健身追踪器的数字数据是否可以预测临床结果。到2020年3月，由于研究参与者被要求呆在家里，他们的日常行为模式发生了重大变化。研究小组意识到，收集的数据可以告知居家令对MS患者的影响。

“它为我们提供了一个令人兴奋的机会，”CMU人类智能传感(SMASH)实验室负责人Mayank Goel说。“如果我们查看居家期间之前和期间的数据点，我们能否确定表明MS患者健康状况变化的因素?”

该团队在三到六个月内被动收集数据，收集诸如参与者智能手机上的通话次数和通话持续时间等信息;未接来电的数量;以及参与者的位置和屏幕活动数据。该团队还从他们的健身追踪器中收集了心率，睡眠信息和步数数据。该研究“预测居家期间的多发性硬化症结果：使用被动感知行为和数字表型的观察性研究”，最近发表在《医学互联网研究心理健康杂志》上。Goel是计算机科学学院软件与社会系统系(S3D)和人机交互研究所(HCII)的副教授，他与HCII的博士生普雷纳·奇克萨尔合作;夏宗奇博士，匹兹堡大学神经病学副教授，转化与计算神经免疫学研究项目主任;和华盛顿大学信息学院教授兼院长阿宁德·戴伊。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！