Sensorn finns i "Praktiskt taget alla slitstarka" kan diagnostisera barndoms ångest

Att kommunicera vad det känns att lida av ångest är en försiktig uppgift, även för de mest artikulerade tonåren eller vuxna som lever med ångestsjukdomar. Men för små barn som kanske inte har språkkunskaper för att uttrycka sina känslor, beskrivs den krossande känslan av panik är en omöjlig uppgift. Ett papper publicerat onsdag i PLOS en föreslår en lösning: en bärbar sensor och maskininlärningsalgoritm som kan diagnostisera ångest utan att höra ett enda ord. Och det bästa är att alla nödvändiga delar av denna teknik redan existerar.

Mental hälsa och ångestsjukdomar är redan notoriskt svåra att fastna i tonåren och vuxna. Dessa utmaningar är ännu större när det gäller att diagnostisera barn, tillägger Ellen McGinnis, Ph.D., en postdoktoral forskare vid University of Vermonts psykiatriavdelning.

"Unga barn griper med att förstå sina egna känslor och uttrycksfulla språk, så de kan ännu inte på ett tillförlitligt sätt rapportera om eller hur de kan vara lidande", säger hon Omvänd.

"Till exempel försökte jag administrera ett självbetänkande ångest frågeformulär som gjordes för barn sju och upp till detta forskningsprov. En av föremålen frågade något som "Är du hoppig?" Och 90% av barnen började hoppa upp och ner och leende."

För att komma runt detta hinder refekterade hon och studiekonsulten Ryan McGinnis, Ph.D., en biomedicinsk ingenjör, också vid University of Vermont (och Ellen McGinnis man), en typisk rörelsessensor som finns i nästan alla smartphones, kallad mikro -elektro-mekaniskt system - eller en MEMS-enhet. Dessa är de nano-skalade enheterna, som mäter acceleration och vinkelhastighet, utgör accelerometrarna i "nästan alla bärbara och smarta telefoner på marknaden", tillägger Ryan McGinnis. När han fastgjorde MEMS-enheten runt midjorna på 63 barn, varav några hade kliniskt diagnosen ångestsyndrom, fann han att dessa barn faktiskt tenderade att flytta annorlunda än friska kontroller när de sattes i stressiga situationer.

## "Snake Task"

Tyvärr är det enda sättet att designa och testa en ångestgivare för barn att åstadkomma ångest. Det räcker med att säga att ormuppgiften lyckas på den här fronten.

En forskare leder barnen till ett svagt upplyst rum och säger: "Jag har något att visa dig", eller "Låt oss vara tysta så att den inte vaknar" innan du drar tillbaka ett ark för att avslöja ett falsk orm, bara inches från deras ansikte. Därefter tillåter forskarna barnen att leka med ormen, hela tiden försäkra dem om att allt kommer att bli bra.

Barn med ångestsjukdomar rörde sig mest annorlunda under första fasen av uppgiften, när forskare byggde spänning om vilken varelse som bodde bakom arket. Enligt MEMS-sensordata tenderade barn med en ångestdiagnos att vända sig bort från det mystiska arket snabbare och mer dramatiskt än friska kontroller - ofta helt vända ryggen på det - 180 grader. Barn med ingen ångestdiagnos vände sig vanligen mindre än 60 grader, vilket höll arket i sikte.

"Många ångestsyndrom karakteriseras av att oroa sig för osäkerhet och beteende att undvika osäkra situationer", förklarar Ellen McGinnis. "Att finna att barn med sjukdomar var fysiskt vända bort passar bra med psykologisk teori och beteendemässiga rapporter om individer med ångest och depression som undviker potentiella hot."

Screening för ångest

Ryan och Ellen McGinnis använde dessa preliminära data för att konstruera en maskininlärningsalgoritm som använder denna rotationsrörelse och hastighet från REMS-sensorn för att diagnostisera barn med potentiella ångestsjukdomar. Hittills kan algoritmen särskilja mellan friska kontroller och barn med diagnos med 81 procent framgång. Som algoritmen lär sig från flera fall hoppas forskarna att statistiken kommer att förbättras.

Ellen McGinnis kallar denna rörelsedata en "objektiv mätning av barns ångest" som skulle kunna användas under barntidspediatternas tidigt liv. Men de är inte så snabba att säga att de kan ersätta "psykologiska intervjuer med guldstandard". I stället är det tänkt som ett tillägg som kan hjälpa till att identifiera barn som skulle dra nytta av uppföljningar med psykiatriker.

I den meningen är denna ångsensor och algoritm en del av en diagnostisk trend. Det finns bevis för att algoritmer är användbara för att åtminstone hjälpa flaggförhållandena medan det fortfarande finns tid att ingripa. Apple Watch har redan framgångsrikt gjort detta för hjärtat och några A.I. program visar löftet för att diagnostisera sepsis.

Fortfarande finns det några bekymmer om hur man klassificerar rörelsedata speciellt när den används i en diagnostisk ram. Denna rörelsedata kan innebära en medicinsk post, och Ryan McGinnis tillägger att det är avgörande att skapa integritetsfunktioner "från grunden" till datainsamlingsprocessen - särskilt med tanke på den känsliga karaktären av en ångestdiagnos.

"Vi har inte goda svar på det här just nu, men våra mål är att alla barn är kopplade till den emotionella och beteendevård de behöver så tidigt som möjligt", tillägger Ellen McGinnis. "För närvarande är det som ett bra ställe att börja, att hålla denna information skyddad inom hälso- och sjukvårdssystemet, som alla andra läkare noterar."