Érzékelő A "Gyakorlatilag minden hordható" -nál található érzékelő diagnosztizálja a gyermekkori szorongást

$config[ads_kvadrat] not found

The Higgs Discovery Explained - Ep. 2/3 | CERN

The Higgs Discovery Explained - Ep. 2/3 | CERN

Tartalomjegyzék:

Anonim

A szorongás okozta szenvedésről való kommunikáció próbálkozás, még a leginkább artikulált tizenévesek vagy a szorongásos zavarokkal élő felnőttek számára is. Azonban azoknak a kisgyermekeknek, akiknek talán nem rendelkeznek nyelvtudással, hogy érzelmüket szavakba helyezzék, leírva, hogy a pánik zúzódása nem lehet feladat. Szerdán közzétett egy papír. T PLOS One megoldást javasol: hordható érzékelő és gépi tanulási algoritmus, amely egyetlen szót sem tud hallani. És a legjobb az, hogy a technológia minden szükséges része már létezik.

A mentális egészség és a szorongásos zavarok már most is nehezen rögzíthetőek a tizenévesek és a felnőttek körében. Ezek a kihívások még nagyobbak a gyermekek diagnosztizálásakor, hozzáteszi Ellen McGinnis, Ph.D., posztdoktori kutató a Vermont Egyetem pszichiátriai osztályán.

„A kisgyermekek a saját érzelmeik és kifejező nyelvük megértésével küzdenek, így nem tudnak megbízhatóan jelenteni, hogy vajon hogyan szenvednek-e vagy sem,” mondja Inverz.

„Például megpróbáltam önálló jelentést készíteni a gyerekeknek hét és legfeljebb e kutatási mintaig. Az egyik elem megkérdezte valami olyasmit, mint „Ön ugrott?”, És a gyerekek 90% -a elkezdett ugrani fel és le, mosolyogva.

Ahhoz, hogy ezt az akadályt el lehessen érni, ő és a tanulmányi társszerző, Ryan McGinnis, PhD, egy orvosbiológiai mérnök, a Vermont Egyetemen (és Ellen McGinnis férjénél) is újjáépített egy tipikus mozgásérzékelőt, amelyet szinte minden okostelefonban találtak, amit mikro -elektro-mechanikus rendszer - vagy MEMS eszköz. Ezek a nano-skálázott eszközök, amelyek mérik a gyorsulást és a szögsebességet, a „gyakorlatilag minden hordozható és okostelefonon” felgyorsítják a gyorsulásmérőket, Ryan McGinnis hozzáteszi. Amikor a MEMS-eszközt 63 gyermek köré szorította, akik közül néhányan klinikailag diagnosztizált szorongásos zavarok voltak, megállapította, hogy ezek a gyermekek valójában mozgassa másképp az egészséges kontrolloknál, amikor stresszes helyzetekbe kerültek.

## A „Kígyófeladat”

Sajnos az egyetlen módja a gyerekek szorongásérzékelőjének tervezésének és tesztelésének szorongást okoz. Elég azt mondani, hogy a kígyó feladatnak sikerül ebből a szempontból.

A kutató egy gyengén megvilágított szobába vezeti a gyerekeket, és azt mondja: „Van valami, amit meg tudok mutatni”, vagy „Legyen csendes, így nem ébred fel”, mielőtt visszahúzza a lapot, hogy felfedje egy hamis kígyó, csak hüvelyk az arcukról. Ezután a kutatók lehetővé teszik a gyerekeknek, hogy játsszanak a kígyóval, miközben biztosítják, hogy minden rendben lesz.

A szorongásos zavarokkal küzdő gyermekek a legkülönbözőbb idők során mozogtak első fázis a feladat, amikor a kutatók feszültséget teremtenek arról, hogy melyik teremtmény lakott a lap mögött. A MEMS érzékelő adatai szerint a szorongásos diagnózissal rendelkező gyermekek gyorsabban és drasztikusabban hajlandók elfordulni a titokzatos laptól, mint az egészséges kontrollok - gyakran teljesen hátra fordultak - 180 fok. A szorongásos diagnózis nélküli gyerekek általában 60 foknál kevesebbet fordultak el, miközben a lapot látva tartották.

„Számos szorongásos zavarra jellemző a bizonytalanság és a bizonytalan helyzetek elkerülése” - magyarázza Ellen McGinnis. „Megállapítva, hogy a rendellenességekkel küzdő gyerekek fizikailag elfordulnak, jól illeszkednek a pszichológiai elmélethez és a nyugtalansággal és depresszióval küzdő egyének viselkedési jelentéseiből, elkerülve a lehetséges fenyegetéseket.”

Szűrés a szorongásért

Ryan és Ellen McGinnis használta ezt az előzetes adatot egy olyan gépi tanulási algoritmus létrehozására, amely ezt a forgási mozgást és sebességet használja a REMS érzékelőtől, hogy diagnosztizálja a gyerekeket a lehetséges szorongásos zavarokkal. Eddig az algoritmus megkülönbözteti az egészséges kontrollokat és a gyerekeket, akiknek a diagnózisa 81 százalékos sikerrel jár. Mivel az algoritmus több esetből tanul, a kutatók remélik, hogy a statisztika javulni fog.

Ellen McGinnis ezt a mozgási adatot „a gyermek szorongásának objektív mértékének” nevezi, amelyet a korai életkori gyermekorvos-kinevezések során lehet használni. Mégis nem olyan gyorsan kijelentik, hogy helyettesítheti az „arany-standard pszichológiai interjúkat”. Ehelyett kiegészítésként szolgál, amely segíthet azonosítani azokat a gyermekeket, akik a pszichiáterekkel folytatott nyomon követésből részesülnének.

Ebben az értelemben ez a szorongásérzékelő és algoritmus egy diagnosztikai trend részét képezi. Bizonyíték van arra, hogy az algoritmusok hasznosak a lobogó feltételeinek legalább segítésében, miközben még van ideje a beavatkozásra. Az Apple Watch már sikeresen elvégezte ezt a szívbetegségért, és néhány A.I. a programok a szepszis diagnosztizálását ígérik.

Mégis, vannak aggályok az osztályozás módjával kapcsolatban mozgási adatok különösen akkor, ha diagnosztikai keretben használják. Ez a mozgási adat orvosi feljegyzést jelenthet, és Ryan McGinnis hozzáteszi, hogy alapvető fontosságú, hogy az adatgyűjtési folyamatban „a földről felfelé” építsék ki az adatvédelmi jellemzőket - különösen a szorongásos diagnózis kényes jellegére tekintettel.

„Erre jelenleg nem állunk jó válaszok, de célunk az, hogy biztosítsuk, hogy minden gyermek a lehető legkorábban csatlakozzon az érzelmi és viselkedési gondozáshoz, amire szükségük van” - tette hozzá Ellen McGinnis. „Most, hogy ezt az információt megőrizzük az egészségügyi rendszerekben, mint bármely más orvos, úgy tűnik, hogy jó hely az induláshoz.”

$config[ads_kvadrat] not found