Smartphonesensorer kan förutse bipolära episoder

$config[ads_kvadrat] not found

C-Kan - Pandillero Pero Millonario (Video Oficial) ft. Santa Fe Klan

C-Kan - Pandillero Pero Millonario (Video Oficial) ft. Santa Fe Klan
Anonim

Samma sensorer som din telefon använder för att spåra din morgonjoggar kan hjälpa till att förutsäga bipolära episoder.

En ny studie om potentiell medicinsk användning för telefoninformation, leds av ett team av forskare från Italiens center för forskning och telekommunikationsexperimentation för nätverksgrupper, fann att förändringarna i kroppsrörelse och behvior associerade med känslomässiga svängningar kunde spåras via smartphone. Visserligen var studien liten - det var bara 12 deltagare - men det presenterar en intressant accelerometer användningsfall.

För att behandla patienter med bipolär sjukdom är det viktigt att hålla reda på hur länge bipolära episoder går och hur ofta de äger rum. Läkare gör sitt bästa med regelbundna intervjuer, men forskarna föreslår att realtidsdata som samlas in från smartphones kan vara oändligt mer användbar. I studien, som har laddats upp till arXiv preprint-servern, samlade forskarna uppgifter om kroppsrörelser hos 12 personer med bipolär sjukdom genom att ge dem telefoner som är konfigurerade för att spåra sensordata samt e-postmönster och röstmodulering

Att jämföra data till baslinjebestämmelser som tagits innan 12-veckorsprövningen började, fann forskarna att kroppsrörelsen ensam kunde förutsäga en bipolär episod 94 procent av tiden. I kombination med e-post och röstdata träffade noggrannheten 97 procent.

I teorin är det en bra idé.Men det är inte klart om systemet skulle fungera i praktiken. För att detta system ska fungera, skulle patienterna behöva arbeta tillsammans med sina läkare, överens om att hålla sina telefoner alltid till hands och väsentligen göra dem till spårningsenheter. Författarna erkänner att det inte blir lätt, eftersom paranoia är en vanlig egenskap hos sjukdomen och överensstämmelse garanteras inte alltid.

$config[ads_kvadrat] not found