211service.com
Hoe uw smartphone een bipolaire stoornis kan detecteren
Bipolaire stoornis is een aandoening die wordt gekenmerkt door stemmingswisselingen die variëren van extreme opgetogenheid tot ernstige depressie. Aan de ene kant van dit spectrum ervaren patiënten extreme highs en hyperactiviteit, terwijl ze zich aan de andere kant verschrikkelijk laag en lusteloos voelen. Deze stemmingen kunnen snel veranderen, weken of maanden aanhouden en worden gescheiden door lange perioden, soms jaren.
Het is een moeilijke zaak om deze stemmingswisselingen op tijd te herkennen om de behandeling te starten. Er zijn geen betrouwbare biomarkers voor deze aandoening, dus patiënten ondergaan meestal psychologische tests om de gemoedstoestand te meten. Het is onvermijdelijk dat een nauwkeurige diagnose vaak enige tijd achterloopt op de werkelijke stemmingswisselingen.
Dus een nauwkeurige manier om stemmingsveranderingen te diagnosticeren wanneer ze zich voordoen, zou enorm nuttig zijn voor zowel patiënten als zorgverleners.
Vandaag is een belangrijke stap in de richting van dat doel bereikt door Venet Osmani van het Centre for Research and Telecommunication Experimentation for Networked Communities (CREATE-NET) in Trento, Italië. Osmani zegt dat de gedragspatronen die verband houden met een bipolaire stoornis nauwkeurig kunnen worden gedetecteerd door smartphonesensoren, waardoor stemmingswisselingen kunnen worden opgemerkt wanneer ze zich voordoen.
Mensen met een bipolaire stoornis vertonen vaak bekende gedragspatronen die kenmerkend zijn voor hun aandoening. De manische fase wordt bijvoorbeeld vaak gekenmerkt door hyperactiviteit, die kan worden gemeten met een versnellingsmeter en met een GPS-apparaat, door snelle spraak, die kan worden gevolgd door spraakanalyse en door frequente gesprekken, die kunnen worden gevolgd via telefoongegevens.
Daarentegen vertonen patiënten in de depressieve fase van deze aandoening sterk veranderde niveaus van al deze gedragingen.
Een smartphone is dus een ideaal apparaat om deze indicatoren bij te houden. Osmani gaf smartphones aan 12 patiënten met een bipolaire stoornis en volgde hun activiteit gedurende een periode van 12 weken in 2012 en 2013. Gedurende deze tijd bezocht elke patiënt met tussenpozen van drie weken de kliniek, waar zijn of haar mentale toestand werd bepaald met conventionele methoden . Dit gaf een grond-waarheidsmeting waarmee de smartphonegegevens konden worden vergeleken.
Osmani was geïnteresseerd in twee uitkomsten. De eerste was het vermogen om stemmingswisselingen te detecteren en de tweede was de precisie waarmee dit kan worden gedaan: hoe vaak de gegevens valse alarmen gaven.
De resultaten zijn veelbelovend. Activiteits- en locatiegegevens samen gaven een goede indicatie van de stemming van de patiënt, maar, nog indrukwekkender, voorspelden 94 procent van de tijd nauwkeurig een verandering in deze stemming. En door dit te combineren met een analyse van telefoontjes van patiënten, steeg het voorspellende succes tot meer dan 97 procent. Bijna alle wijzigingen werden gedetecteerd met bijna geen valse alarmen, zegt Osmani.
Dat is een indrukwekkend resultaat dat aanzienlijke gevolgen heeft voor mensen met deze aandoening. Een van de belangrijke aspecten van dit werk is de mogelijkheid van vroege detectie van veranderingen in de toestand van een patiënt met hoge precisie en herinnering, waardoor tijdige interventie mogelijk wordt en dus tot betere behandelresultaten leidt, zegt Osmani.
Natuurlijk zijn er beperkingen aan dit werk. Het dekt bijvoorbeeld slechts 12 patiënten gedurende 12 weken. Een langer onderzoek met een groter aantal patiënten zou dus zeker meer inzicht geven. Bovendien evolueert de sensortechnologie snel en kan ze in dit soort onderzoeken gegevens met een veel hogere resolutie opleveren.
Osmani zegt dat er meer werk gepland is en dat er een vervolgonderzoek gepland is. Dat zou moeten leiden tot betere resultaten voor een aandoening die patiënten en zorgverleners regelmatig verbijstert.
Referentie: arxiv.org/abs/1510.01665 : Smartphones voor geestelijke gezondheid: depressieve en manische episodes detecteren