用于检测或预测重度抑郁症再发的系统和方法技术方案

本公开的发明专利技术名称是“用于检测或预测重度抑郁症再发的系统和方法”。本发明专利技术提供了一种用于检测患者抑郁再发的系统和计算机实现的方法。该系统包括可穿戴设备和计算设备，该可穿戴设备被配置为检测患者的移动并且被配置为生成对应于患者的移动的体动记录数据，该计算设备用于从该设备检索体动记录数据。该系统和方法在训练周期内获得训练数据，包括训练体动记录数据，并且使用该训练数据训练异常检测器。该系统和方法随后从患者获得测试数据，从测试数据中提取多个特征，并且使用训练的异常检测器分析所提取的数据。自我报告测试用于确定由该异常检测器识别的异常是否指示患者可能经历抑郁的再发。能经历抑郁的再发。能经历抑郁的再发。

【技术实现步骤摘要】
【国外来华专利技术】用于检测或预测重度抑郁症再发的系统和方法
[0001]专利技术人：Srinivasan VAIRAVAN、Vaibhav A.NARAYAN和Randall L.MORRISON
[0002]优先权
[0003]本申请要求2020年7月7日提交的美国临时申请序列号63/049,053和2021年6月28日提交的美国临时申请序列号63/202,871的优先权，这些申请的全部内容以引用方式并入本文。

技术介绍

[0004]重度抑郁症(MDD)是世界范围内导致残疾的主要原因之一(以残疾损失健康生命年衡量)，在普通成年人群中终生患病率约为15％，并与显著的发病率和死亡率相关。这种病症影响着全球超过3亿人。患有MDD的患者会经历各种各样的身体、情绪和认知症状，包括抑郁情绪、对所有/几乎所有活动失去兴趣或乐趣、疲劳和睡眠中断，以及在思考、集中注意力和做决定方面有困难。这些症状会严重影响患者的日常生活，包括他们如何感受、思考和处理日常活动，并会影响他们的健康、人际关系、就业、教育和整体生活质量。在严重的MDD病例中，患者可能会有死亡或自杀的想法。值得注意的是，MDD患者的自杀风险是普通人群的20倍。此外，MDD被认为会增加其他健康障碍发展或恶化的风险。例如，MDD会增加患中风和2型糖尿病等病症的风险。
[0005]有多种治疗方案可以帮助患者缓解MDD症状并改善他们的生活质量。然而，MDD是具有重复发作的慢性病症，使得患者可能经历残余症状，或经历抑郁的复发或重现。在临床实践中，临床医生通过仅在临床访问期间观察患者并且响应于在此类临床访问期间进行的观察根据需要改变患者的治疗方案来采取反应式方法。MDD是一种动态疾病，复发的发作与缓解期交替。疾病状态的转变在时间尺度上可能比医生出诊之间的时间更快。使用这种反应式方法，临床医生往往意识不到患者症状的早期变化。复发或重现通常只有在患者的抑郁症状恶化到足以保证临床访问以进行评估后才被检测到。
[0006]复发或重现后延迟获得进一步治疗可能会使患者面临更高的自残或自杀风险。每次治疗失败后，达到缓解的MDD患者的比例也显著降低。此外，漫长和/或无效的治疗可延长患者的痛苦，降低预期，并强化消极情绪诸如绝望。因此，早期辨别和识别抑郁的复发或重现可以使临床医生能够更早地拦截疾病恶化，潜在地挽救生命，并且提高患者获得对治疗的有意义的响应的机会，并且潜在地达到缓解。

技术实现思路

[0007]本专利技术的一个示例性实施方案涉及一种用于检测或预测患者抑郁再发的计算机实现的方法。该方法包括(i)从患者穿戴的可穿戴设备获得患者在训练周期内的训练数据。训练数据包括对应于患者在训练周期内的移动的训练体动记录(actigraphy)数据。训练周期是在患者尚未经历抑郁再发的发作的时间段。该方法还包括(ii)使用训练数据训练异常检测器。异常检测器被配置为识别与训练数据的偏差。该方法还包括(iii)在训练周期之后的测试周期期间，从可穿戴设备获得患者的测试数据。该测试数据包括对应于训练周期之
后患者的移动的测试体动记录数据。该方法还包括(iv)从测试数据中提取多个特征以生成测试特征数据，其中该特征对应于活动、睡眠、昼夜节律和多重分形动态中的至少一者的量度。该方法还包括(v)使用异常检测器分析测试特征数据，以将测试特征数据与训练数据进行比较。该方法还包括(vi)当异常检测器确定测试特征数据与训练体动记录数据相比可能是异常时，对患者实施自我报告测试以从患者获得多个输入。该方法还包括(vii)分析来自患者的多个输入，以确定患者是否可能经历抑郁再发的发作。
[0008]还提供了用于检测或预测患者抑郁再发的系统。该系统包括可穿戴设备，该可穿戴设备包括被配置为检测患者的移动的至少一个加速度计。该可穿戴设备被配置为生成对应于患者的移动的体动记录数据。该系统还包括可操作地连接到可穿戴设备的计算设备，以从可穿戴设备接收体动记录数据。该计算设备包括用于显示输出和接收来自患者的输入的用户界面，以及处理器和包括由处理器可执行的指令集的非暂态计算机可读存储介质。该指令集能够操作以：从可穿戴设备获得对应于患者在训练周期内的移动的训练体动记录数据，其中训练周期是在患者尚未经历抑郁再发的发作的时间段期间；使用包括训练体动记录数据的训练数据来训练异常检测器，其中异常检测器被配置为识别与训练数据的偏差；从可穿戴设备获得对应于训练周期后患者的移动的测试体动记录数据；从测试体动记录数据中提取多个特征以生成测试特征数据，其中该特征对应于活动、睡眠、昼夜节律和多重分形动态中的至少一个的量度；使用异常检测器分析测试特征数据以将测试特征数据与训练数据进行比较；指引用户界面向患者显示多个自我报告调查问题；经由用户界面接收来自患者的响应于自我报告调查问题的多个输入；以及分析来自患者的多个输入以确定患者是否可能经历抑郁再发的发作。
[0009]在另一方面，提供了一种用于检测或预测患者抑郁再发的计算机实现的方法。该方法包括(i)从患者穿戴的可穿戴设备获得患者在训练周期内的训练数据。训练数据包括对应于患者在训练周期内的移动的训练体动记录数据，并且训练周期是在患者尚未经历抑郁再发的发作的时间段期间。该方法还包括(ii)使用训练数据训练异常检测器，其中异常检测器被配置为识别与训练数据的偏差。该方法还包括(iii)在测试周期期间从可穿戴设备获得患者的测试数据。测试周期的至少一部分在训练周期之后。该测试数据包括对应于训练周期之后患者的移动的测试体动记录数据。该方法还包括(iv)从测试数据中提取多个特征以生成测试特征数据，其中特征对应于单分形模式、多重分形动态和样本熵中的至少一者的量度。该方法还包括：(v)使用异常检测器分析测试特征数据，以将测试特征数据与训练数据进行比较，从而检测测试特征数据中的异常；以及(vi)当在测试特征数据中检测到异常时，分析自我报告测试数据以确定患者是否可能经历抑郁再发的发作，其中自我报告测试数据是响应于自我报告测试而从来自患者的多个输入生成的。
[0010]在另一方面，提供了一种用于检测或预测患者抑郁再发的系统。该系统包括可穿戴设备，该可穿戴设备包括被配置为检测患者的移动的至少一个加速度计，该可穿戴设备被配置为生成对应于患者的移动的体动记录数据。该系统还包括可操作地连接到可穿戴设备的计算设备，以从可穿戴设备接收体动记录数据。该计算设备包括用于显示输出和接收来自患者的输入的用户界面，以及处理器和包括由处理器可执行的指令集的非暂态计算机可读存储介质。该指令集能够操作以：从可穿戴设备获得对应于患者在训练周期内的移动的训练体动记录数据，其中训练周期是在患者尚未经历抑郁再发的发作的时间段期间；使
用包括训练体动记录数据的训练数据来训练异常检测器，其中异常检测器被配置为识别与训练数据的偏差；从可穿戴设备获得对应于患者在测试周期期间的移动的测试体动记录数据，该测试周期的至少一部分在训练周期之后；从测试体动记录数据中提取多个特征以生成测试特征数据，其中特征对应于以下项中的至少一者的量度：活动，单分形模式、多重分形动态和样本熵中的至少一者；使用异常检测器本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测或预测患者抑郁再发的计算机实现的方法，包括：(i)从所述患者穿戴的可穿戴设备获得所述患者在训练周期内的训练数据，其中所述训练数据包括对应于所述患者在所述训练周期内的移动的训练体动记录数据，并且所述训练周期是在所述患者尚未经历抑郁再发的发作的时间段期间；(ii)使用所述训练数据训练异常检测器，其中所述异常检测器被配置为识别与所述训练数据的偏差；(iii)从所述可穿戴设备获得在所述训练周期之后的测试周期期间的所述患者的测试数据，所述测试数据包括对应于所述训练周期之后所述患者的移动的测试体动记录数据；(iv)从所述测试数据中提取多个特征以生成测试特征数据，其中所述特征对应于活动、睡眠、昼夜节律和多重分形动态中的至少一者的量度；(v)使用所述异常检测器分析所述测试特征数据，以将所述测试特征数据与所述训练数据进行比较；(vi)当所述异常检测器确定所述测试特征数据与所述训练体动记录数据相比可能是异常时，对所述患者实施自我报告测试以从所述患者获得多个输入；以及(vii)分析来自所述患者的所述多个输入，以确定所述患者是否可能经历抑郁再发的发作。2.根据权利要求1所述的方法，还包括：(viii)更新所述训练数据以包括所述测试数据，以及重复步骤(ii)至(vii)，直到确定所述患者已经再发抑郁。3.根据权利要求2所述的方法，其中每周重复步骤(ii)至(vii)。4.根据权利要求1至3中任一项所述的方法，其中所述训练数据还包括对应于所述患者在所述训练周期内的身体行为的自我报告特性的数据，并且所述测试数据还包括对应于所述患者在所述测试周期期间的身体行为的自我报告特性的数据。5.根据权利要求1至4中任一项所述的方法，其中步骤(vi)包括：经由用户界面向所述患者显示多个自我报告调查问题；以及经由所述用户界面接收来自所述患者的响应于所述自我报告调查问题的所述多个输入。6.根据权利要求1至5中任一项所述的方法，其中步骤(vii)包括：分析所述多个输入以生成所述自我报告测试的结果评分；以及将所述结果评分与至少一个阈值进行比较，以确定所述患者是否可能经历抑郁再发的发作。7.根据权利要求1至6中任一项所述的方法，其中所述异常检测器是单类支持向量机模块。8.根据权利要求1至6中任一项所述的方法，其中所述异常检测器是隔离森林模块。9.根据权利要求1至8中任一项所述的方法，其中所述训练周期为至少3个月。10.根据权利要求5所述的方法，其中所述多个自我报告调查问题对应于抑郁的症状，并且来自所述患者的所述多个输入对应于每个症状的数字量表上的评定。11.根据权利要求1至10中任一项所述的方法，还包括：当确定所述患者可能经历抑郁再发的发作时，调整施用给所述患者的抗抑郁药的剂
量。12.根据权利要求1至10中任一项所述的方法，还包括：当确定所述患者可能经历抑郁再发的发作时，增加施用给所述患者的抗抑郁药的剂量。13.一种用于检测或预测患者抑郁复发的系统，包括：可穿戴设备，所述可穿戴设备包括被配置为检测所述患者的移动的至少一个加速度计，所述可穿戴设备被配置为生成对应于所述患者的移动的体动记录数据；以及计算设备，所述计算设备可操作地连接到所述可穿戴设备以从所述可穿戴设备接收体动记录数据，所述计算设备包括：用户界面，所述用户界面用于显示输出和接收来自所述患者的输入；以及处理器和非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括由所述处理器可执行的指令集，所述指令集能够操作以：从所述可穿戴设备获得对应于所述患者在训练周期内的移动的训练体动记录数据，其中所述训练周期是在所述患者尚未经历抑郁再发的发作的时间段期间，使用包括所述训练体动记录数据的训练数据来训练异常检测器，其中所述异常检测器被配置为识别与所述训练数据的偏差，从所述可穿戴设备获得对应于所述训练周期之后所述患者的移动的测试体动记录数据，从所述测试体动记录数据提取多个特征以生成测试特征数据，其中所述特征对应于活动、睡眠、昼夜节律和多重分形动态中的至少一者的量度，使用所述异常检测器分析所述测试特征数据，以将所述测试特征数据与所述训练数据进行比较，指引所述用户界面向所述患者显示多个自我报告调查问题，经由所述用户界面接收来自所述患者的响应于所述自我报告调查问题的所述多个输入，以及分析来自所述患者的所述多个输入，以确定所述患者是否可能经历抑郁再发的发作。14.根据权利要求13所述的系统，其中体动记录设备在操作配置中被配置用于穿戴在所述患者的手腕周围。15.根据权利要求13至14中任一项所述的系统，其中所述用户界面是触摸屏。16.根据权利要求13至15中任一项所述的系统，其中所述计算设备选自由移动计算设备、智能电话和计算平板组成的组。17.根据权利要求13至16中任一项所述的系统，其中所述异常检测器是单类支持向量机模块。18.根据权利要求13至16中任一项所述的系统，其中所述异常检测器是隔离森林模块。19.根据权利要求13至18中任一项所述的系统，其中所述多个自我报告调查问题对应于抑郁的症状，并且来自所述患者的所述多个输入对应于每个对应症状的数字量表上的评定。20.根据权利要求13至19中任一项所述的系统，其中所述指令集还包括能够操作以当所述患者被所述计算设备确定为可能经历抑郁再发的发作时指引指示对施用给所述患者
...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：詹森药业有限公司，
类型：发明
国别省市：