Translational Psychiatry：基于智能手机传感器数据的机器学习模型预测严重精神疾病患者负性情绪

2025-05-22 Medsci 等1家媒体报道 科研进展





打开微信“扫一扫”
点击右上角分享按钮

本文研究了基于智能手机传感器数据的机器学习模型在预测严重精神疾病（SMI）患者负性情绪方面的应用。研究纳入了68名情感障碍或精神病性障碍患者，通过“Behave”应用程序收集了加速度计、GPS定位和屏幕使用数据，并结合GENEActiv腕带设备的数据，进行了长达465天的随访，共收集了12,959份每日情绪自评数据。研究比较了多种统计方法，发现个性化双重集成模型（PDEM）表现最佳，AUC值在0.72至0.79之间。GPS相关变量如离家距离、活动半径和居家时间占比是预测负性情绪的重要特征，但其关联方向存在个体差异。聚类分析进一步揭示了不同行为模式的患者亚组，验证了情绪-行为关联的异质性。个性化集成机器学习方法通过整合个体特异性和群体共享模式，显著提高了预测准确性。研究表明，智能手机被动传感数据在预测SMI患者负性情绪方面具有实用价值，未来可开发实时干预系统以支持及时的心理健康干预。（摘要由动脉网AI生成）