Algoritmy založené na odhadu mHealth signalizující nadcházející opakování epizod u bipolárních poruch (MEASURE-BD)

Veteráni s bipolární poruchou (BD) zažívají opakující se a zdánlivě nepředvídatelná období vážných poruch psychosociálního fungování, které vedou ke špatným výsledkům v průběhu jejich života, jako je uvěznění, bezdomovectví a sebevražda. Studie podporují souvislost mezi větší závažností a frekvencí příznaků BD a horším psychosociálním fungováním. Veteráni s BD často vypadnou z péče v době, kdy by léčba byla nejpřínosnější pro prevenci zhoršení psychosociálního fungování – když se objeví nové manické a depresivní epizody. Navzdory dostupnosti léčby založené na důkazech je BD celosvětově jednou z hlavních příčin invalidity.

Účinné nástroje pro prospektivní detekci začátku manické a depresivní epizody by mohly poskytnout lékařům příležitost účinněji zasáhnout a zabránit špatným psychosociálním výsledkům a ztrátám na životech. Není překvapením, že psychoterapeutické intervence se často zaměřují na výuku technik sledování nálady pacientů pro prevenci relapsu epizod. Tyto self-report techniky však vyžadují vhled a velké úsilí pacienta, které může během akutních epizod BD chybět. Chybí měření v reálném světě jak symptomů BD, tak sociálního fungování u veteránů s BD, která jsou objektivní a nevyžadují vysoký vhled nebo velké úsilí. Pasivní metody mHealth, které jsou proveditelné a přijatelné pro veterány s BD a účinné při prospektivní detekci nástupů mánie i deprese, by tedy mohly zabránit poklesu psychosociálního fungování tím, že zajistí, aby péče založená na důkazech byla poskytována v době největší potřeby.

Zastřešujícím cílem tohoto projektu Merit Award je vytvořit spolehlivé a platné algoritmy strojového učení využívající data mHealth k prospektivní detekci poklesu sociální participace a potenciálního nástupu mánie a deprese u veteránů s BD. Konkrétní cíle studie jsou:

Cíl #1. Vytvořit algoritmus strojového učení využívající GPS/lokační data pro předpovídání potenciálního poklesu společenské účasti u veteránů s BD. Vyšetřovatelé poskytnou nové modely strojového učení založené na GPS v reálném světě, které předpovídají změny v sociální účasti veteránů několik dní předem. Na základě pilotních dat vyšetřovatelé očekávají, že prediktory/funkce dat GPS budou zahrnovat čas strávený v místě bydliště, v práci a na místech každodenní rutiny.

Cíl #2. Vytvořit algoritmy strojového učení pomocí GPS/lokačních dat pro predikci prospektivních akutních klinických stavů BD. Vyšetřovatelé prozkoumají, zda přidání více zatěžujících funkcí každodenního sebe-výkazu a hlasového mléka zlepší přesnost modelů pomocí pozitivních predikcí a dalších statistických indexů. Vyšetřovatelé předpovídají, že pasivní GPS/lokační data samotná poskytnou přesnou předpověď prospektivních změn symptomů BD.

Cíl #3. Prozkoumat klinickou implementaci algoritmů založených na mHealth při léčbě BD. Cílové skupiny poskytovatelů a správců VA posoudí proveditelnost implementace algoritmů v klinické péči.

Aby bylo dosaženo cílů, studie přijme 200 veteránů s diagnózou BD, kteří dostávají péči v systému zdravotní péče Minneapolis VA prostřednictvím přímých e-mailů pacientům, letáků v lékařském centru a doporučení od lékařů. Studie bude používat strategie náboru stratifikovaného vzorku pro zařazení alespoň 20 veteránů ve věkových rozmezích 18-35, 36-45, 46-55, 56-65 a 66 a starších. Účastníci budou sledováni po dobu 14 týdnů pomocí tří aplikací pro chytré telefony (tj. VA mPRO, FollowMee a Recorder Plus nebo ASR Voice Recorder). Účastníci denně vypracují 8-otázkové hodnocení svých aktuálních příznaků a poskytnou hlasová data pro analýzu řeči na pevnou výzvu o svých plánovaných aktivitách pro daný den. Další aplikace bude nepřetržitě a pasivně sledovat polohu pomocí funkcí GPS smartphonu, aby detekovala odchylky v každodenní rutině. Jednou za dva týdny účastníci vyplní krátkou obrazovku telefonu, která zhodnotí sociální a komunitní účast, příznaky mánie a deprese a sebevraždu. Údaje o mHealth ze dnů před konáním dvoutýdenních pohovorů budou použity jako prvky v malém počtu modelů strojového učení kandidátů, přičemž měřítkem výsledku je hodnocení bipolárních příznaků a sociální participace po dvoutýdenním pohovoru. Zaměstnanci projektu budou také pořádat dvě fokusní skupiny – jednu z 8 poskytovatelů duševního zdraví VA a jednu z 8 administrátorů VA – zastupující různé obory a pomocí řízených diskuzních otázek získat zpětnou vazbu o implementaci algoritmů založených na mHealth v budoucí klinické péči o veterány s BD.

Dopad: Cílem studie je poskytnout klinické nástroje pro v reálném čase, nenápadné a prospektivní signály o hrozících relapsech depresivních a manických epizod u veteránů s BD jejich lékařům pro rychlejší, méně nákladné a efektivnější využití existujících důkazů. léčby k prevenci špatných psychosociálních funkčních výsledků. Současná studie navíc přinese objektivní, nízké úsilí a nenápadná opatření pro sledování sociální participace in-situ a v reálném čase jak u veteránů s BD, tak u jiných populací veteránů.