Table of Contents

Промізм цифрового фенотипування для діабету та здоров’я

Діабет є хронічним станом, який вимагає постійного самолікування: моніторинг глюкози крові, налаштування інсуліну, планування їжі та перебування фізичних осіб-активних. Цей безхилковий рутин приймає пальцем не тільки на тілі, але і на розумі. Депресія і тривожність два-три рази частіше зустрічаються у людей з діабетом, ніж в загальному популяції, і ці психічні проблеми здоров'я можуть погіршуватися глікологічне управління, зменшити якість життя, і збільшити ризик ускладнень. Раннє виявлення є критичним, але традиційні методи скринінгу часто пропускають ранні ознаки. Цифрове фенотипування - це моментове зниження технології поведінки та фізіологічних даних з цифрових сигналів - це може виявити пристрої.

Що таке цифрове фенотипування?

Цифрове фенотипування відноситься до безперервної, пасивної колекції даних з смартфонів, носіїв та інших підключених пристроїв для кількісного визначення поведінки індивіда, конвекції та настрою. Концепція була формалізована психіатром д-р Джоном Торусом та колегами, які визначаються його як "перевірка квантифікація індивідуального рівня людини фенотипу в situ з використанням даних з особистих цифрових пристроїв". На практиці це означає важелінгові датчики вже присутні в більшості смартфонів—акселерометри, гіроскопи, GPS, екранна активність та мікрофони, які зносяться датчиками, що відстеження частоти сну, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, фізичного навантаження, частоти сну.

Потужність цифрового фенотипу полягає в його здатності захоплення даних в природних налаштуваннях, не вимагає користувача активно звітувати симптоми. Це зменшує згадування про bias і забезпечує високу роздільну здатність, поздовжній малюнок повсякденного життя. Для людей з діабетом ці дані можуть перехресні з рівнями глюкози крові, інсулінових доз, і дієтичних колод для виявлення закономірностей, що зв'язують глюкоза на настрій, енергію, якість сну і соціальний зв'язок.

Ключові дані потоки в цифровому Phenotyping

  • Фізіальна активність та сон – Accelerometry та GPS-дані показують зміни рухливості, відсортного часу та фрагментації сну, які є ранні показники депресивних епізодів.
  • Соціальна поведінка] – журнали викликів, частота текстових повідомлень та відстань Bluetooth виявляють соціальний вихід або зменшений зв’язок, поширений при депресії та тривожності.
  • Войце і виступ – Записи мікрофонів можуть проаналізувати вокал просодія, мовний курс і вибір слова для виявлення порушень настрою.
  • Фізіологічні сигнали] – Варіабельність ритму серця (HRV), електродермальна активність, температура шкіри від зносних відбивається вегетативний сонний нерв, пов'язаний з стресом і тривожністю.
  • Смарфони – Швидкість натягування, час екрана та використання додатків може вказувати пізнавальне уповільнення або психомоторна агітація.

Підключення діабету – достаткова охорона здоров’я: біпрямі зв’язки

Зв'язок між діабетом і психічним здоров'ям не є одним способом. Поганий психічний здоров'я може призвести до підопічних цукрових діабетів самодогляду—посипання дози інсуліну, нездорове харчування, фізична бездіяльність - які в свою чергу погіршують глікологічне управління і підвищує ризик ускладнень, таких як нейропатія, ретинопатія, і серцево-судинні захворювання. Попередження, фізіологічний стрес гіперглікемії і гіпоглікемії може безпосередньо впливати на настрій і когнітивні функції. Хронічна гіперглікемія пов'язана з запаленням і окисним стресом, обидва з яких неулюються при депресії. Гіпоглікгемія викликає адреналінний реліз, що призводить до тривожних симптомів, що призводить до тривожних симптомів і страхів.

Менталь проблеми здоров'я в діабеті часто йдуть непрогнозовані. Стандартні інструменти для скринінгу, такі як PHQ-9 або GAD-7, спираючись на самовіддачі і, як правило, вводять тільки під час клінічних візитів. Пацієнти можуть занижувати симптоми через стигма або відсутність інсайтів. Навіть при скринінгу робиться інтервали між оцінками можуть бути місяці або роки, занадто довго, щоб зловити раннє погіршення. Цифрове фенотипування пропонує спосіб містити цей проміжок з безперервними, об'єктивними даними.

Поточні бар'єри до ранньої детекції

  • Для показу – Більшість візитів до догляду за діабетом відбуваються кожні три- шість місяців, з ментальним екрануванням, часто з'являються повністю.
  • Селф-репортажні обмеження] – Ректальні боби, соціальний зносостійкість, а також відсутність емоційної свідомості результатів.
  • Однорозмірно-всі пороги] – Стандартні відходи для депресійних ваг можуть бути не доречні для осіб з діабетом, де втома, порушення сну, а зміни апетиту можуть перекривати симптоми захворювання.
  • Стигма і діагностика – Пацієнти можуть не відчувати себе комфортно обговорювати психічне здоров’я, а клініки можуть не встигнути або навчатися ефективно зондувати.

Як цифрові Phenotyping працює в практиці

Типовий цифровий фенотінг-провід передбачає три етапи: збору даних , екстракція подразнення], а ] Моделювання машинного навчання ]. Додаток смартфона (наприклад, MindLAMP, Beiwe) пасивно збирає дані датчика на фоні. Користувачі можуть також завершити короткі екологічні моменти оцінки (EMAs)—коротки опитування на настрій, стрес або біль—завтрачені часи на день. Кількість сирих датчиків потім обробляються в риси:

Машинні алгоритми навчання, зокрема, керовані моделі навчання, такі як випадкові ліси або градієнтне підвищення, навчаються на позначених датах, де мелена правда є клінічною діагностикою або симптомом тяжкості від перевірених масштабів. Ці моделі навчаються на карті цифрових функцій до психічних станів здоров'я. Більш прогресивні підходи використовують глибоке навчання для захоплення часових закономірностей—наприклад, рецидивна нейромережа може виявити, що поступове зниження HRV протягом двох тижнів, поєднане з зниженням зовнішнього руху, є прогнозовим депресивним епізодом.

Для діабету дані потоки можуть бути збагачені глукозними читаннями з безперервних моніторів глюкози (CGMs). Дослідження з Університет Каліфорнія, Сан-Франциско показали, що дані CGM, поєднані з актіграфією, можуть прогнозувати наступні депресивні симптоми з більшою точністю 80% у людей з діабетом 2 типу. Аналогічно, , які в догляді діабету показали, що пасивні дані смартфона (користування телефонів, розташування) може відрізнятися високою і низькою депресивною симптомом у дорослих з 1 цукровим діабетом 1 типу 1.

Real-World Applications and Alerts Інтернет-магазин нерухомості

Кінцева мета полягає в створенні системи раннього попередження, яка оповідає як пацієнта, так і їхню службу догляду, коли виявлений значний ризик психічного здоров'я. Наприклад, додаток пацієнта може показати повідомлення: "Якість сну загинув за останні три ночі, і ваша денний активність 40% нижче базиліка. Ви можете відчувати ранні ознаки депресії. Вам сподобається перевірити у координатора з питань догляду за діабетом?" Команда догляду отримує панель, що показує тренди рівня населення, що дозволяє проактивувати зовнішній вигляд.

Деякі пілотні програми вже тестують цей підхід. Diabetes UK Mental Health Toolkit включає в себе цифрове самомоніторинг, а проект RADAR-CNS (Remote Оцінка хвороби та рецидив – Центральна нервова система), що зносні дані можуть прогнозувати депресивне рецидивування в декількох склерозах та великих депресивних розладах, з додатками для діабету.

Потенційні переваги для людей з діабетом

Раніше, більше Точна детекція

Захоплюючий тонкий поведінкові зміни днів або тижнів, перш ніж вони стають клінічно вираженими, цифрові фенотипування можуть увімкнути профілактичні втручання. Наприклад, якщо виявлена патерн соціального виведення і знижена фізична активність, лікар може ініціювати терапія або регулювати ліки діабету перед повною депресією погіршує самодогляд.

Індивідуальні плани лікування

Цифрові фенотипні дані можуть допомогти індивідуальним втручанням. Пацієнт, депресія якого пов'язана з побоюванням гіпоглікемії може бути корисним з іншого підходу, ніж один, депресивний стебла від діабету. Відповідність лікування може бути відстежено об'єктивно—покраплене сон, підвищений HRV, більша мобільність—припустимо для швидкого титрирування терапії.

Покращений діалог самоменеджмент

Ментальне здоров'я і контроль цукрового діабету переплетені. При лікуванні депресії рано, пацієнти швидше за все, дотримуватися медикаментів, регулярно моніторити глюкозу, і зробити здорові харчові вибірки. мета-аналіз в JAMA Psychiatry] виявили, що моделі колаборативної допомоги, що включають психічне здоров'я, що підвищило глікологічне управління (HbA1c зменшення 0.5–0.7%). Цифрове фенотипування може зробити таку підтримку більш своєчасно і масштабовано.

Зменшена ентільизація охорони здоров'я

Запобігання психічних захворювань і ускладнень цукрового діабету зменшує відвідування аварійного відділення, госпіталізацію та довгострокову інвалідність. Економія коштів може згасити інвестиції в технологію, хоча і rigorous Health-economic analysis все ще потрібна.

Виклики та етичні з’ясування

Конфіденційність даних та безпека

Цифрове фенотипування генерує глибоко персональні дані— історію розміщення, соціальні контакти, фізіологічні сигнали, навіть голосові записи. Ця інформація є дуже чутливою і може бути неправильно використана, якщо порушена або продається. Дані про здоров'я захищено під HIPAA в США і ГДП в Європі, але багато цифрових фенотипних додатків не класифікуються як медичні пристрої, і можуть мати більш слабкі захисні засоби. Прозорі процеси згоди, анонімізація даних, локальна (на-пристрой) обробка є важливим. Пацієнти повинні контролювати, що зібрані дані, поділяться і для того, наскільки довго.

Алгоритмічна Bias

Моделі машинного навчання є лише такими, як дані, які навчаються. Якщо дані про навчання є переважно з білого, вищого рівня або молодшого населення, алгоритми можуть виконувати погано для дорослих, етнічних меншин, або тих, з меншою цифровою грамотністю. Це може посилити недоліки здоров'я. Дослідники повинні активно рекрутувати різноманітні учасники та валідувати моделі по підгрупах. A 2021 дослідження в npj Digital Medicine]] висвітлювали, що цифрова точність фенотипів для депресії, що істотно різниться по расових груп, що закріплюють необхідність чесноти-програмного моделювання.

Доступ до цифрового дивіденду

Смартфон і носій власності майже універсальні в країнах високого рівня, але зазори залишаються серед старших дорослих, тих, хто має менший дохід, і деякі сільські популяції. Люди з діабетом, які вже консервовані, часто ті, хто може отримати найбільш від цифрової підтримки психічного здоров'я. Ініціативи для забезпечення підсидаційних пристроїв, спрощення додатків і пропонують низькотемпературні альтернативи (наприклад, базовий моніторинг SMS) необхідні для забезпечення рівності.

Клініко-інтеграція та робоче процес

Для цифрового фенотипування бути корисними, клініки потребують інтерпретованих панелей і підтримки прийняття рішень, не сирих потоків даних. Дозволяється застосовуватися неправдиві позитивні кошти, помилкові позитивні результати можуть викликати тривоги і відходи ресурсів. Команди з підготовки до догляду за людьми для інтерпретації цифрових біомаркерів і інтегрувати їх в управління діабетом є непривабливим вирішенням впровадження. Моделі відкликання також повинні розвиватися, по-справжньому, більшість страховиків не сплачують за цифровий моніторинг психічного здоров'я за межами клінічних випробувань.

Пацієнт Бурден і придатливість

Під час пасивної збору даних значно невидимі деякі пацієнти можуть знайти постійний контроль нетерптивної або тривожної провокації. Вони можуть турбуватися про те, що судді або втрати автономії. Екологічні моменти можуть бути тягарними, якщо занадто часті. Інструменти для ко-дизайну з пацієнтами та пропонують опції для конкретних потоків даних, можуть покращити прийняття.

Майбутні напрямки

Інтеграція з безперервним моніторингом глюкози

Поєднання даних CGM та цифрового фенотипування є особливо перспективним. Глюкоз мінливість — це і тісто, час в діапазоні — відомий стресор. Машинні моделі навчання, які найінші як поведінкові дані (повільнення, активність, соціальна взаємодія) та глікозначні дані можуть викликати і ефект: Чи є на ніч низька причина дратівливість і слабкий сон, або погано сон призводить до ранкової гіперглікемії та низького настрою? Відповідь такі питання дозволять дійсно особливе зворотний зв'язок.

Багатомодальні AI та великі мовні моделі

Поспішає в природній мовній обробці дозволяють аналізувати типовану або розмовну мову в реальному часі. У текстових повідомленнях пацієнта або записах голосового щоденника можуть виявити пізнавальні спотворення ((Я не можу контролювати мій цукор крові, незалежно від того, що я можу зробити), що сигнальний діабет або депресія. У поєднанні з даними датчика, ці моделі можуть прогнозувати не тільки наявність проблеми, але його специфічний пізнавально-ведуковий прояв, вибір гідингової терапії (CBT проти. ліки проти. Зміни способу життя).

Закриті люп-події

Кінцеве бачення - це система, де цифрове виявлення фенотипів викликає автоматизоване втручання - це примітивність, нагадування для контакту з координатором, або навіть короткий модуль когнітивно-бевіоральної терапії, що поставляється за допомогою програми. Клінічні випробування проходять тестування таких систем, але захисні захисні захисні захисні захисні охоронці є важливим, щоб уникнути шкоди від невідповідних автоматизованих дій.

Довгострокова довга поздовжніх досліджень

Більшість досліджень, які займаються дослідженнями, що займаються короткими періодами досліджень (переглядом до місяця). Довгийнітивні дослідження, що відстежують пацієнтів протягом багатьох років, повинні розуміти, як цифрові біомаркери, що розвиваються з прогресуванням хвороби, зміни лікування та життєві події. Такі дослідження також можуть виявити, чи раннє виявлення через фенотипування, фактично призводить до поліпшення клінічних результатів, - ключове питання для прийняття.

Етичні рамки та нормативні шляхи

Етичний розгортання цифрового фенотипу в догляді за діабетом вимагає надійного управління. WHO's Global Report on Digital Health підкреслює принципи рівності, прозорості та підзвітності. Цифрові фенотипні інструменти повинні пройти регуляцію тілами, такими як програмне забезпечення як медичний пристрій (SaMD). Очистити маркування продуктивності пристрою, валідацію проти золото-стандартних клінічних заходів, а також відстеження післяпродажного ринку.

Пацієнтам необхідно бути активні партнери, які не проходять суб’єкти. Діється прийняття рішень про те, які дані збираються, які його бачать, і як це використовується, повинні бути стандартними. Моделі володіння даними, які дають змогу пацієнтам контролювати, зокрема, як приватні магазини даних або згода на основі блокчейну.

Висновок

Цифрове фенотипування являє собою парадигмовий зсув, як ми виявимо і адресуємо психічні проблеми здоров'я у людей з діабетом. Повертаючи щоденні пристрої в безперервні інструменти моніторингу, він пропонує потенціал для зловживання депресії, тривожності, і діабету диска тижнів або місяців до того, як вони погіршують самодогляд і гліко-контроль. Користь чіткі: раніше інтервенційне, більш персоналізоване лікування, поліпшення якості життя, і можливо зниження витрат на здоров'я. Я значущі проблеми залишаються навколо конфіденційності, упередження, доступу і інтеграції в клінічні процеси. Багатопрофільна співпраця серед ендокринологів, психіатристів, даних, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, етологів, патологів,