Gente de la Safor

Bienvenidos a Spain News Today.

Los científicos reutilizaron la tecnología portátil para detectar signos de depresión

© iStock/Prostock-Estudio

Un equipo de investigación de Singapur ha desarrollado un método innovador para identificar signos de depresión que utiliza datos obtenidos de dispositivos portátiles.

Investigadores de la Universidad Tecnológica de Nanyang, Singapur (NTU Singapur) ha diseñado un programa informático predictivo que emplea mediciones de dispositivos portátiles para determinar signos de depresión, prediciendo de manera experta si las personas tienen un riesgo alto o bajo. En un ensayo que comprendía datos de participantes sanos y deprimidos, el programa novedoso logró una precisión del 80 % en la identificación de las personas en riesgo de depresión.

El Organización Mundial de la Salud (OMS) estima que alrededor de 260 millones de personas en todo el mundo se ven afectadas por la depresión. Se cree que la mitad de estos casos no se diagnostican ni se tratan. La pandemia de COVID-19 ha exacerbado significativamente problemas de salud mentallo que se ve reforzado por un estudio de Instituto de Salud Mental de Singapur que identificó un aumento en la depresión estaba relacionado con la pandemia.

Empleando dispositivos portátiles

Los dispositivos portátiles, como los rastreadores de actividad, son utilizados por casi mil millones de personas en todo el mundo, en comparación con los 722 millones en 2019. Los investigadores de la NTU vieron la oportunidad de usar estos dispositivos para monitorear la salud mental, desarrollando un programa informático impulsado por el aprendizaje automático llamado Ycogni. modelo para detectar signos de depresión. Ycogni logra esto mediante el análisis de la actividad física, los patrones de sueño y los ritmos circadianos de un individuo a partir de los datos obtenidos por dispositivos portátiles que miden la frecuencia cardíaca, el conteo de pasos, el gasto de energía y los datos del sueño.

READ  La soledad está estrechamente relacionada con el riesgo de demencia a 10 años - Daily Clinical News

Los investigadores desarrollaron el modelo Ycogni en un estudio en el que participaron 290 adultos que trabajaban en Singapur; Los participantes usaron dispositivos Fitbit Charge 2 durante dos semanas y completaron dos encuestas de salud que detectaron signos de depresión al comienzo y al final del estudio.

La edad promedio de los participantes fue de 33 años, y la muestra reflejaba de cerca la población étnica de Singapur. Los participantes usaron los rastreadores en todo momento, y solo se los quitaron para ducharse o cargar el dispositivo.

El profesor Josip Car, director del Centro de Ciencias de la Salud de la Población de la Escuela de Medicina Lee Kong Chian de la NTU (LKCMedicine), quien codirigió el estudio, dijo: «Nuestro estudio demostró con éxito que podemos aprovechar los datos de los sensores de los dispositivos portátiles para ayudar a detectar el riesgo de desarrollar depresión en los individuos. Aprovechando nuestro programa de aprendizaje automático, así como la creciente popularidad de los dispositivos portátiles, algún día podría usarse para la detección oportuna y discreta de la depresión”.

El profesor asociado Georgios Christopoulos, de la Escuela de Negocios de Nanyang de la NTU, quien codirigió el estudio, comentó: «Este es un estudio que, esperamos, pueda sentar las bases para el uso de tecnología portátil para ayudar a las personas, investigadores, profesionales de la salud mental y legisladores. para mejorar el bienestar psíquico. Pero en una aplicación más genérica y futurista, creemos que tales señales podrían integrarse con iniciativas de Smart Buildings o incluso Smart Cities: imagine un hospital o una unidad militar que podría usar estas señales para identificar a las personas en riesgo”.

Identificar signos de depresión

Además de poder determinar si una persona tenía un mayor riesgo de deprimirse, el equipo pudo asociar patrones específicos de los comportamientos de los participantes con signos de depresión, incluidos sentimientos de impotencia y desesperanza, cambios en el apetito o el peso y pérdida de interés en las actividades diarias.

dispositivos portátiles
© iStock/ljubaphoto

El análisis posterior reveló que las personas con frecuencias cardíacas más variadas entre las 2 am y las 4 am y entre las 4 am y las 6 am eran más propensas a síntomas depresivos severos. Esto confirma los hallazgos de estudios anteriores de que los cambios en la frecuencia cardíaca durante el sueño pueden ser un marcador fisiológico válido de depresión.

Además, el estudio también atribuyó los patrones de sueño irregulares, como la variación de las horas de despertarse y acostarse, a una mayor tendencia a los síntomas depresivos. Los investigadores afirmaron que, a pesar de que los ritmos de los días de semana están predominantemente determinados por la rutina de trabajo, la capacidad de seguir esta rutina diferencia a las personas deprimidas de las sanas, y las personas sanas muestran una mayor regularidad en el momento de acostarse y despertarse.

El profesor Car dijo: “Esperamos ampliar nuestra investigación para incluir otros signos vitales en la detección del riesgo de depresión, como la temperatura de la piel. Ajustar nuestro programa podría ayudar a facilitar la detección temprana, discreta, continua y rentable de la depresión en la población general».

El profesor asociado Christopoulos comentó: “Nuestro equipo también trabajará para expandirse a otros tipos de estados psicológicos, como la fatiga mental, que parece ser un problema alarmante en la actualidad. Los dispositivos portátiles también pueden ser parte de un sistema de retroalimentación que podría ayudar a los terapeutas a evaluar mejor el estado psicológico de sus pacientes, por ejemplo, mejoras en la calidad del sueño”.

READ  Mars Rover Zhurong de China ha detectado evidencia de agua líquida en Marte

El equipo de investigación ahora busca investigar los impactos del uso de teléfonos inteligentes en los signos de depresión y el riesgo de desarrollar depresión al mejorar su modelo con datos de teléfonos inteligentes, incluida la duración y la frecuencia de uso y la dependencia de las redes sociales.




Suscríbete a nuestro boletín

Artículos relacionados recomendados