Förvärv och analys av relationer mellan longitudinella känslomässiga signaler producerade av en artificiell intelligensalgoritm och självenkäter som används i den psykiatriska uppföljningen av patienter med humör- och/eller ångeststörningar: en verklig miljöstudie. (EMOACQ-1)

Den globala prevalensen av ångest och depression ökade kraftigt under pandemin, med en ökning på 25 % av antalet patienter som led av psykisk ångest. Psykiatriker, och ännu mer allmänläkare, behöver mätverktyg som gör det möjligt för dem att på distans övervaka sina patienters psykiska hälsotillstånd, och att automatiskt larmas vid ett beteendeavbrott.

I denna studie föreslår vi att samla in kliniska data tillsammans med longitudinella mätningar av patienternas känslor. Emobot föreslår att analysera utvecklingen av humörstörningar över tid genom att passivt studera människors känslomässiga beteende. Syftet med EMOACQ-1 är att skaffa kunskap och skapa en kvantitativ koppling mellan känslomässiga uttryck och humörstörningar, vilket i slutändan underlättar förståelsen och hanteringen av dessa störningar.

Genom denna studie skulle en teknisk lösning kunna utvecklas för att stödja vårdpersonal och patienter inom psykiatrin, ett område som kallas "medicinens dåliga relation" och som saknar resurser. En sådan lösning skulle möjliggöra bättre förståelse, störningar på distans och kontinuerlig övervakning och, i slutändan, bättre behandling av dessa störningar.

Vi kommer att bearbeta data genom att utföra ett antal analyser, inklusive beskrivande, jämförande och korrelationsanalyser av data från självenkätresultaten och de känslomässiga signaler som fångas upp av enheterna.

Slutligen kommer syftet att vara att förutsäga enkätresultat från de känslomässiga signaler som produceras.