使用睡眠传感数据预测抑郁症治疗中的症状改善

抑郁症是一种严重的精神疾病。当前抑郁症治疗的最佳指南是密切监测患者并根据需要调整治疗方案。然而，通过医生随访或患者自评问卷进行的密切监测在临床环境中因成本高、缺乏训练有素的专业人员以及对患者造成负担而难以实现。移动设备收集的传感数据已被证明为长期监测抑郁症状提供了有前景的方向。然而，现有研究大多聚焦于抑郁检测，少量关于抑郁变化预测的研究并非在临床环境中进行。本文研究使用一类传感数据——可穿戴设备收集的睡眠数据——来预测患者启动新药物治疗后抑郁症状随时间的改善情况。我们对嘈杂的睡眠传感数据进行睡眠趋势滤波以提取高层级睡眠特征，并开发了一系列使用简单睡眠特征（睡眠时长均值和变化）的机器学习模型来预测症状改善。结果表明，使用这些简单的睡眠特征即可达到高达 0.68 的验证 F1 分数，表明在治疗期间使用传感数据预测抑郁改善是一个有前景的方向。