机器学习模型可预测 MS 患者在家期间的健康状况

在大流行开始之前，最初的研究问题是来自 MS 患者智能手机和健身追踪器的数字数据是否可以预测临床结果。到 2020 年 3 月，由于研究参与者被要求呆在家里，他们的日常行为模式发生了显着变化。研究小组意识到，正在收集的数据可以告知居家令对 MS 患者的影响。

“它为我们提供了一个令人兴奋的机会，”CMU 人类智能传感 (SMASH) 实验室负责人 Mayank Goel 说。“如果我们查看居家期间之前和期间的数据点，我们能否确定表明 MS 患者健康变化的因素?”

该团队在三到六个月内被动收集数据，收集参与者智能手机上的通话次数和通话时长等信息;未接电话的数量;以及参与者的位置和屏幕活动数据。该团队还从他们的健身追踪器中收集了心率、睡眠信息和步数数据。这项名为“预测 COVID-19 居家期间的多发性硬化症结果：使用被动感知行为和数字表型的观察性研究”的研究最近发表在《医学互联网研究心理健康杂志》上。Goel 是计算机科学学院软件与社会系统系 (S3D) 和人机交互研究所 (HCII) 的副教授，与博士 Prerna Chikersal 合作。HCII的学生;夏宗奇博士，匹兹堡大学神经病学副教授、转化与计算神经免疫学研究项目主任;华盛顿大学信息学院教授兼院长 Anind Dey。

这项工作是基于 Goel 和 Dey 研究小组之前的研究。2020 年，CMU 团队发表了一项研究，该研究提出了一种机器学习模型，该模型可以使用智能手机和健身追踪器数据在学期末识别大学生的抑郁症。与大学以外的更大人群相比，早期研究的参与者，特别是 138 名 CMU 一年级学生，彼此相对相似。研究人员着手测试他们的建模方法是否可以准确预测具有更大人口统计和临床多样性的现实世界患者群体的临床相关健康结果，从而使他们与夏的 MS 研究项目合作。