(资料图片仅供参考)

纽约西奈山伊坎医学院的研究人员表示，将机器学习模型(一种人工智能(AI))应用于从可穿戴设备被动收集的数据，可以识别患者的弹性和幸福感。

研究结果发表在2月<>日的JAMIA Open上，支持Apple Watch等可穿戴设备，作为一种远程监控和评估心理状态的方式，而无需完成心理健康问卷。

这篇题为“利用可穿戴设备数据确定弹性的机器学习方法：对观察性队列的分析”的论文指出，弹性或个人克服困难的能力是一种重要的压力缓解因素，可降低发病率并改善慢性病管理。

“可穿戴设备提供了一种不断收集有关个人身体状态信息的方法。我们的研究结果提供了从这些被动收集的数据中评估心理特征的可行性的见解，“第一作者，西奈山Hasso Plattner数字健康研究所临床主任Robert P. Hirten博士说。“据我们所知，这是第一项评估弹性(一项关键的心理健康特征)是否可以从Apple Watch等设备进行评估的研究。

精神卫生障碍很常见，占全球疾病负担的13%，四分之一的人口在某些时候患有精神疾病。然而，研究人员说，我们用于评估他们的资源有限。

“在地理和社会经济地位方面存在巨大差异，面对面评估或完成经过验证的心理健康调查的需求进一步受到限制，”资深作者，伊坎西奈山生物医学工程和成像研究所所长Zahi Fayad博士说。“需要更好地了解谁处于心理风险中，并改进跟踪心理干预影响的方法。数字技术的发展为改善所有人获得精神卫生服务的机会提供了机会。

为了确定是否可以训练机器学习模型来使用可穿戴设备的数据来区分个人的弹性和心理健康程度，伊坎西奈山的研究人员分析了勇士观察研究的数据。该数据集用于当前的数字观察研究，包括纽约市七家医院的 329 名医护人员。

受试者在参与期间佩戴Apple Watch Series 4或5，在整个随访期间测量心率变异性和静息心率。收集的调查测量基线时的弹性、乐观和情感支持。发现收集的指标在识别弹性或幸福状态方面具有预测性。尽管Warrior Watch Research并非旨在评估这一终点，但研究结果支持从被动收集的可穿戴数据中进一步评估心理特征。

“我们希望这种方法将使我们能够为更多的人群提供心理评估和护理，他们目前可能无法获得，”该论文的合著者，西奈山哈索普拉特纳数字健康研究所临床研究副主任Micol Zweig说。“我们还打算在其他患者群体中评估这项技术，以进一步完善算法并提高其适用性。

为此，研究小组计划继续使用可穿戴数据来观察一系列身体和心理障碍和疾病。研究人员说，同时开发复杂的分析工具，包括人工智能，可以促进分析从这些设备和应用程序收集的数据，以识别与给定的精神或身体疾病状况相关的模式。