Wissenschaftler haben gelernt, Depressionen anhand von Daten eines Fitnessarmbands zu erkennen

Eine Gruppe von Wissenschaftlern der Nanyang Technological University in Singapur entwickelt ein prädiktives Computerprogramm, mit dem Depressionen erkannt werden können. Es basiert auf Daten eines normalen Fitnessarmbandes.

Ein Programm namens Ycogni arbeitet auf Basis von maschinellem Lernen. Es bewertet das Depressionsrisiko, indem es die körperliche Aktivität, Schlafmuster und zirkadianen Rhythmen einer Person auf der Grundlage von Daten von tragbaren Geräten analysiert. In der Studie verwendeten die Wissenschaftler Fitbit Charge 2-Armbänder.

290 Probanden trugen 14 Tage lang Tracker. Lediglich beim Baden oder Duschen sowie zum Aufladen konnten sie abgenommen werden.

Zu Beginn und dann wieder am Ende der zweiwöchigen Phase füllten die Teilnehmer außerdem einen Fragebogen aus, der weit verbreitet ist, um depressive Störungen zu identifizieren. Die Ergebnisse dieser Umfragen wurden mit den vom Fitbit Charge 2 gesammelten Daten kombiniert und zum Training von Ycogni verwendet.

Als dieses Programm nach dem Training nur zur Analyse der Armbanddaten verwendet wurde, stellte sich heraus, dass es bei der Vorhersage der Entwicklung von Depressionen zu etwa 80 % genau war.

Es wurde festgestellt, dass bei Risikopersonen die Herzfrequenz zwischen 2 und 4 Uhr und dann wieder zwischen 4 und 6 Uhr variabler war. Dies steht im Einklang mit früheren Studien, die darauf hindeuten, dass Veränderungen der Herzfrequenz während des Schlafs ein starker physiologischer Indikator für Depressionen sein können.

Außerdem Fitbit-Armbänder Bestätigtdass Risikopersonen tendenziell eine größere Bandbreite an Wach- und Schlafzeiten haben. Was auch ein Indikator für eine mögliche Störung ist.

Ehemalige Stanford-Stipendiaten empfohlen eine völlig neue Methode zur Behandlung von Depressionen, die bei 79 % der Patienten wirksam war.