新加坡南洋理工大学(NTU)的研究人员开发了一种预测计算机程序，使用可穿戴技术的数据来检测抑郁症风险增加的个体。
在使用抑郁和健康参与者组的数据进行的试验中，该程序在检测抑郁症高风险人群和无风险人群方面的准确率达到了80%。
阅读更多苹果推出一项研究，用苹果手表和iPhone检测抑郁症和认知能力下降
在机器学习的支持下，这个名为Ycogni模型的程序通过分析个人的身体活动、睡眠模式和昼夜节律来筛查抑郁症的风险，这些昼夜节律来自可穿戴设备的数据，这些设备测量他或她的步数、心率、能量消耗和睡眠数据。
根据世界卫生组织的数据，全球有2.64亿人患有抑郁症，其中一半的患者未得到诊断和治疗。在新加坡，COVID-19大流行导致人们对心理健康的担忧增加。新加坡心理健康研究所的一项新研究指出，心理健康问题可能会增加，包括与大流行相关的抑郁症。
据估计，有近10亿人佩戴活动追踪器，高于2019年的7.22亿人。
为了建立Ycogni模型，科学家们在新加坡进行了一项涉及290名在职成年人的研究。参与者连续14天佩戴Fitbit Charge 2设备，并在研究开始和结束时完成了两项健康调查，以筛查抑郁症状，报告南大．
参与者的平均年龄为33岁，样本与新加坡的少数民族人口非常相似。参与者被要求一直佩戴追踪器，只有在洗澡或设备需要充电时才能取下它们。
南大李光前医学院人口健康科学中心主任Josip Car教授是这项研究的联合负责人，他说:“我们的研究成功地表明，我们可以利用可穿戴设备的传感器数据来帮助检测个人患抑郁症的风险。通过利用我们的机器学习程序，以及日益流行的可穿戴设备，有朝一日它可以用于及时和不显眼的抑郁症筛查。”
南洋理工大学南洋商学院副教授Georgios Christopoulos是这项研究的联合负责人，他说:“我们希望这项研究可以为使用可穿戴技术帮助个人、研究人员、心理健康从业者和政策制定者改善心理健康奠定基础。但在更通用和未来的应用中，我们相信这种信号可以与智能建筑甚至智能城市项目集成:想象一下，医院或军事单位可以使用这些信号来识别有风险的人。”
阅读更多LivaNova和Verily招募了第一位使用智能手表检测抑郁症的患者
这项研究结果发表在同行评议的学术期刊上JMIR mHealth而且uHealth在11月。
在接下来的一年里，该团队希望通过丰富智能手机使用数据来探索智能手机使用对抑郁症状和患抑郁症风险的影响。这包括个人使用手机的时间和频率，以及他们对社交媒体的依赖程度。
