Los estudios indican que un rastreador de actividad física puede identificar episodios de estado de ánimo en el trastorno bipolar que pueden ayudar a impulsar el tratamiento.
Investigadores del Brigham and Women’s Hospital, miembro fundador del Mass General Brigham Health Care System, evaluaron si los datos recopilados de los rastreadores de actividad física podrían usarse para identificar con precisión los episodios del estado de ánimo en personas con trastorno bipolar. Sus hallazgos, publicados Revista psiquiátrica escandinavaindican que es posible detectar intervalos de tiempo en los que los pacientes con trastorno bipolar experimentan depresión o manía con gran precisión utilizando datos de dispositivos de seguimiento del estado físico.
“La mayoría de las personas llevan consigo dispositivos digitales personales como teléfonos inteligentes y relojes inteligentes que capturan datos diarios que pueden informar el tratamiento psiquiátrico. Nuestro objetivo era utilizar esos datos para identificar cuándo los participantes diagnosticados con trastorno bipolar estaban experimentando episodios de estado de ánimo”. dijo la autora correspondiente Jessica Lipchitz, PhD, investigadora del Departamento de Psiquiatría de Brigham. “En el futuro, nuestra esperanza es que los algoritmos de aprendizaje automático como el nuestro ayuden a los equipos de tratamiento de los pacientes a responder rápidamente a episodios nuevos o persistentes para limitar el impacto negativo”.
El trastorno bipolar (TB) es un trastorno mental crónico caracterizado por cambios de humor extremos, que incluyen depresión, manía e hipomanía, seguidos de períodos de remisión. La identificación y el tratamiento de episodios del estado de ánimo nuevos y persistentes es esencial para limitar el impacto del BD en la vida de los pacientes. Aunque investigaciones anteriores han indicado que los dispositivos digitales personales pueden identificar con precisión episodios del estado de ánimo, estudios anteriores no han utilizado métodos diseñados para una aplicación generalizada en entornos clínicos.
Como científico de implementación, Lipschitz, junto con sus colegas, se centró en el uso de métodos que pudieran aplicarse ampliamente a la práctica clínica. En particular, utilizan dispositivos digitales personales disponibles comercialmente, filtrado de datos limitado y datos recopilados de forma puramente pasiva y no invasiva. Al aplicar un nuevo tipo de algoritmo de aprendizaje automático, pudieron identificar síntomas clínicamente significativos de depresión con un 80,1% de precisión y síntomas clínicamente significativos de manía con un 89,1% de precisión.
Los investigadores señalan que “en general, los resultados son un paso hacia algoritmos personalizados adecuados para poblaciones enteras de pacientes, en lugar de simplemente un alto cumplimiento, acceso a dispositivos especializados o voluntad de compartir datos invasivos”. Su siguiente paso es aplicar estos algoritmos predictivos a la atención de rutina, donde pueden usarse para mejorar el tratamiento de BD notificando a los médicos cuando sus pacientes están experimentando un episodio maníaco o depresivo dentro de las citas programadas. Los investigadores también están trabajando para ampliar este trabajo al trastorno depresivo mayor.