Aplikacja mobilna, która przewiduje zmianę fazy nastroju u pacjentów z chorobą afektywną dwubiegunową

Wyzwania

Choroba afektywna dwubiegunowa (ChAD) jest poważnym zaburzeniem psychicznym, które dotyka ponad 2% światowej populacji. Charakteryzuje się maniakalnymi epizodami podwyższonego nastroju i nadmiernej aktywności, przeplatanymi okresami depresji. Bardzo trudno jest przewidzieć następną zmianę fazy zachowania pacjenta z ChAD. Nie ma sposobu na alarmowanie pacjentów i ich lekarzy o zbliżającej się fazie. Głównym celem projektu było wykorzystanie algorytmu uczenia maszynowego do stworzenia innowacyjnej aplikacji, która mogłaby gromadzić i analizować informacje, dzięki którym możliwe byłoby wykrywanie oraz przewidzenie zmian fazy u pacjenta.

Rozwiązania

Diagnostyka zmiany fazy może być ułatwiona poprzez monitorowanie danych zbieranych przez smartfon pacjenta. Przygotowana przez nas pierwsza wersja aplikacji gromadziła dane z takich funkcji jak: liczba przychodzących i wychodzących połączeń telefonicznych, długość wiadomości SMS, liczba kroków czy cechy głosu. Aplikacja przy wykorzystaniu zebranych danych mogła wykorzystać je do przygotowania predykcyjnego modelu opartego na uczeniu maszynowym.

Efekty

W ramach realizacji projektu przebadaliśmy różne metody, które pozwoliłyby na ostateczne przewidywanie z jednodniowym wyprzedzeniem zmian stanu pacjenta z wykorzystaniem technik nadzorowanych i nienadzorowanych Machine Learning.

Przygotowana aplikacja posiada zaimplementowaną wersję biblioteki OpenSmile, która zbiera dane z cech fizycznych głosu. Pacjenci mogą również zaznaczyć godziny i oceniać swój nastrój oraz monitorować go w codziennym życiu. Dane zebrane z aplikacji pacjenta poddawane są grupowaniu za pomocą odpowiednich algorytmów. Pozwala to na jednodniową prognozę zmiany fazy chorobowej u pacjenta z chorobą afektywną dwubiegunową.

Technologie i narzędzia

mongoDB, PostgreSQL, R