太平åæ°æåä¸å¿
目录:
传达焦虑症的感觉是一项艰巨的任务，即使对于患有焦虑症的青少年或成年人来说也是如此。但是对于那些可能没有语言能力的年幼孩子来说，他们的情绪表达了那些令人沮丧的恐慌感是一项不可能完成的任务。周三发表的一篇论文 PLOS One 提出了一个解决方案：可穿戴传感器和机器学习算法，可以在不听单个单词的情况下诊断焦虑。最好的部分是该技术的所有必要部分已经存在。
青少年和成年人的心理健康和焦虑症已经非常难以确定。佛蒙特大学精神病学系的博士后研究员埃伦·麦金尼斯博士补充道，在诊断儿童时，这些挑战甚至更大。
“幼儿正在努力了解自己的情绪和表达语言，所以他们还不能可靠地报告他们是否或如何遭受痛苦，”她告诉 逆。
“例如，我试图管理一份针对7岁及以上儿童的自我报告焦虑问卷调查问卷。其中一个问题是“你是不是会跳起来？”，90％的孩子开始上下跳跃，微笑着。“
为了解决这个障碍，她和研究合着者，佛蒙特大学生物医学工程师Ryan McGinnis博士（以及Ellen McGinnis的丈夫）重新构想了几乎所有智能手机中的典型运动传感器，称为微型 - 电子机械系统 - 或MEMS器件。 Ryan McGinnis补充说，这些是测量加速度和角速度的纳米级设备，构成了“几乎所有可穿戴设备和市场上的智能手机”中的加速度计。当他将MEMS设备绑在63名儿童的腰部周围时，他们中的一些人临床诊断出患有焦虑症，他发现这些儿童实际上倾向于 不同的举动 当他们处于紧张的情况时，比健康的控制。
##'蛇的任务'
不幸的是，为儿童设计和测试焦虑传感器的唯一方法是 引起焦虑。 可以说蛇的任务在这方面取得了成功。
一名研究人员带领孩子们进入昏暗的房间，并说：“我有东西可以给你看，”或者“让我们保持安静，这样就不会醒来”，然后再拉回一张纸来揭示 假蛇 离他们的脸只有几英寸。然后，研究人员允许孩子们玩蛇，一直向他们保证一切都会好起来的。
患有焦虑症的儿童在这段时间内的变化最为不同 第一阶段 当研究人员对生物片落在床单背后的悬念中建立了悬念。根据MEMS传感器数据，患有焦虑症的儿童倾向于比健康对照更快速，更显着地转离神秘的床单 - 通常完全背弃它 - 180度。没有焦虑诊断的儿童通常不到60度，保持床单在视线范围内。
“许多焦虑症的特点是担心不确定性，并在行为上避免不确定的情况，”Ellen McGinnis解释道。 “发现患有紊乱的孩子身体上的转变与心理理论以及焦虑和抑郁的个体的行为报告相吻合，避免了潜在的威胁。”
筛查焦虑
Ryan和Ellen McGinnis使用这些初步数据构建了一种机器学习算法，该算法利用来自REMS传感器的旋转运动和速度来诊断患有潜在焦虑症的孩子。到目前为止，该算法可以区分健康对照和诊断成功率为81％的儿童。随着算法从更多案例中学习，研究人员希望统计数据能够得到改善。
Ellen McGinnis称这一运动数据是“儿童焦虑的客观衡量标准”，可用于早期儿科医师预约。然而，他们并没有那么快地说它可以取代“黄金标准的心理访谈”。相反，它的目的是作为一种补充，可以帮助识别将从精神科医生的后续行动中受益的儿童。
从这个意义上讲，这种焦虑传感器和算法是诊断趋势的一部分。有证据表明算法在至少有助于标记条件的同时还有时间进行干预是有用的。 Apple Watch已经成功完成了这项治疗心脏病，以及一些A.I.程序显示了诊断败血症的希望。
尽管如此，仍有一些关于如何分类的担忧 运动数据 特别是当它用于诊断框架时。这种运动数据可能相当于医疗记录，Ryan McGinnis补充说，将“隐私”功能“从头开始”构建到数据收集过程中至关重要 - 特别是考虑到焦虑诊断的微妙特性。
“我们目前没有这方面的好答案，但我们的目标是确保所有儿童尽早与他们所需的情感和行为护理联系起来，”Ellen McGinnis补充道。 “就目前而言，像其他医生所说，保持这些信息在卫生系统内得到保护似乎是一个好的起点。”