پژوهشگران سنگاپوری یک برنامه رایانهای ابداع کردهاند که میتواند افراد مستعد ابتلا به افسردگی را شناسایی کند. به گزارش ایسنا و به نقل از نیوز مدیکال نت، در آزمایشهایی که با استفاده از دادههای مربوط به شرکتکنندگان افسرده و سالم صورت گرفت، این برنامه توانست افرادی را که در معرض خطر افسردگی قرار داشتند و افراد بدون خطر را با دقت ۸۰ درصد شناسایی کند. این برنامه که "Ycogni" نام دارد، خطر افسردگی را با استفاده از یادگیری ماشینی و با تجزیهوتحلیل فعالیت بدنی، الگوهای خواب و دادههای دستگاههای پوشیدنی که قدمها، ضربان قلب و مصرف انرژی کاربر را اندازهگیری میکنند، موردبررسی قرار میدهد. به گفته سازمان بهداشت جهانی، افسردگی ۲۶۴ میلیون نفر را در سراسر جهان تحت تأثیر قرار میدهد و در نیمی از موارد تشخیص داده نشده و درمان نشده است. همهگیری کووید-۱۹ در سنگاپور، به افزایش نگرانی در مورد رفاه روانی منجر شده است. دانشمندان برای توسعه مدل Ycogni، یک بررسی را روی ۲۹۰ بزرگسال شاغل در سنگاپور انجام دادند. شرکتکنندگان به مدت ۱۴ روز متوالی از دستگاههای "Fitbit Charge 2" استفاده کردند و دو نظرسنجی سلامت را تکمیل کردند که نشانههای افسردگی را در آغاز و پایان بررسی مورد ارزیابی قرار میدادند. به شرکتکنندگان دستور داده شد که همیشه از ردیاب استفاده کنند و فقط هنگام دوش گرفتن یا زمانی که دستگاه به شارژ نیاز دارد، آنها را بردارند. پروفسور «جوسیپ کار»، مدیر مرکز علوم سلامت جمعیت در دانشگاه صنعتی نانیانگ و سرپرست این پژوهش گفت: پژوهش ما با موفقیت نشان داد که میتوانیم دادههای حسگر ابزارهای پوشیدنی را به کار بگیریم تا خطر ابتلا به افسردگی را در افراد تشخیص دهیم.
نشانههای حیاتی مرتبط با افسردگی
پژوهشگران در این پروژه، علاوه بر اینکه توانستند دقیقاً تعیین کنند که آیا شرکتکنندگان در معرض خطر ابتلا به افسردگی هستند یا خیر، الگوهای خاص رفتار شرکتکنندگان را با نشانههای افسردگی مرتبط کردند که احساس درماندگی و ناامیدی، از دست دادن علاقه به فعالیتهای روزانه و تغییر در اشتها یا وزن را شامل میشد. دانشمندان از تجزیهوتحلیل یافتههای خود دریافتند افرادی که ضربان قلب متفاوتتری را بین ساعت دو تا چهار صبح و بین چهار تا شش صبح داشتند، مستعد ابتلا به نشانههای شدیدتر افسردگی بودند. این مشاهدات، یافتههای پژوهشهای پیشین را تأیید میکند که نشان داده بودند تغییر ضربان قلب طی خواب ممکن است یک نشانگر فیزیولوژیکی معتبر برای افسردگی باشد. همچنین این پژوهش، الگوهای خوابی که کمتر منظم هستند مانند زمانهای متفاوت بیدار شدن و خواب را با نشانههای افسردگی مرتبط دانست. دانشمندان توضیح دادند که اگرچه الگوهای منظم روزهای هفته عمدتاً طبق روال کار تعیین میشود، اما توانایی پیروی از این روال، تمایز بهتری را بین افراد افسرده و سالم ایجاد میکند. افراد سالم این پژوهش، نظم بیشتری را در زمان بیدار شدن و خوابیدن داشتند. پروفسور کار افزود: ما مشتاقانه منتظریم تا پژوهش خود را گسترش دهیم تا سایر نشانههای حیاتی در تشخیص خطر افسردگی مانند دمای پوست را نیز شامل شود. گروه ما روی سایر انواع بیماریهای روانی مانند خستگی روانی کار خواهد کرد که به نظر میرسد در حال حاضر، یک مشکل هشداردهنده است. فناوریهای پوشیدنی میتوانند بخشی از سیستم بازخوردی باشند که از درمانگران برای ارزیابی بهتر وضعیت روانی بیماران آنها حمایت میکند. بهعنوان نمونه میتوان به بهبود کیفیت خواب اشاره کرد.