基于智能设备的电子平台监测心理健康

此外，研究人员指出，如果患者的病情突然恶化，该技术可以提供反馈并提醒护理团队心理健康．“心理健康可以非常迅速地发生变化，而这些变化中有很多是不为人知的，”Wm Michael Barnes '64工业和系统工程系的助理教授Farzan Sasangohar博士说。“我们的技术将使医疗服务提供者和咨询师能够持续获取患者变量和患者状态，我认为这将具有拯救生命的意义，因为他们可以在患者需要时伸出援手。”此外，它将使患者更好地管理自己的心理健康。”

一些身体疾病通常可以通过几次就诊得到治疗，与之不同的是，有心理健康需求的人可能需要较长时间的护理。在向卫生保健提供者求诊期间，缺乏关于病人精神健康状况的信息。因此，心理健康的不可预见的恶化得到解决的机会有限。例如，一个患有焦虑性障碍可能会经历一个有压力的生活事件，引发极端的易怒和不安，可能需要立即就医。但这位病人可能在预约之间。另一方面，卫生保健专业人员无法了解他们的病人正在与精神健康作斗争，这可能会阻止他们提供适当的护理。

因此，患者报告的访问之间的结果对于设计有效的心理健康保健干预至关重要，以便持续改善患者的福祉。为了填补这一空白，Sasangohar和他的团队与休斯顿卫理公会医院精神病学的临床医生和研究人员合作，开发了一个智能电子平台，以帮助评估患者的心理健康。

“这家医院有最大的住院病人精神病学萨桑戈哈尔说。“通过这种合作，我们可以包括数千名同意接受精神病学监测的患者。”

萨桑戈哈尔在休斯顿卫理公会医院的合作者已经在使用一种叫做CareSense的现成的病人导航工具。该软件可用于向患者发送提醒和监测问题，以更好地评估他们的健康状况。例如，有自残风险的人可以被提示定期接受重度抑郁症的问卷调查。

萨桑戈哈尔和他的团队并没有完全依赖病人对他们精神健康的主观评估，他们还开发了一套可以轻松安装在智能手机上的自动化过度兴奋分析软件smartwatches．这些程序收集来自面部和语音识别应用程序以及智能手表内置的传感器(如心率传感器和计步器)的输入。然后对所有这些来源的数据进行训练机器学习识别与正常觉醒状态一致的模式的算法。一旦经过训练，算法就可以持续观察来自传感器和识别应用程序的读数，以确定个体是否处于较高的唤醒状态。

“关键在于三角测量，”萨桑戈哈尔说。面部情感分析说，尽管有局限性，但每一种方法都有希望探测到心理状态。但当你将这些信息与声音情感分析以及痛苦的生理指标结合起来时，诊断和推断就会变得更加有力和清晰。”

Sasangohar指出，对精神状态的主观评价和来自机器学习算法的客观评价都被整合在一起，从而对给定个体的兴奋状态做出最终评估。

虽然他们的技术原型已经准备就绪，但研究人员表示，他们仍需要改进携带该软件的智能手机的电池寿命，因为算法消耗了大量电能。此外，他们还指出，他们必须解决可用性问题，也就是说，任何禁止患者使用他们的技术的问题，如导航应用程序的困难。

“由于精神疾病的污名化，我们想要建立一个非常谨慎的精神健康监测设备，”Sasangohar说。“所以，我们选择了智能手机等现成的产品，然后在这些设备中构建复杂的应用程序，使监测心理健康更加谨慎。”