Secondo l’Organizzazione Mondiale della Sanità, la depressione colpisce più di 264 milioni di persone in tutto il mondo. In un recente studio, pubblicato dalla rivista Nature Translational Psychiatry, i ricercatori della University of California San Diego School of Medicine hanno usato una combinazione di parametri, che possono essere misurati da dispositivi indossabili, per generare previsioni personalizzate dell’umore depresso.
Sono stati presi in considerazione diversi fattori legati ai sintomi soggettivi di un individuo, come il sonno, l’esercizio fisico, la dieta, lo stress, le prestazioni cognitive e l’attività cerebrale. “Ci sono diverse ragioni e cause alla base della depressione”, osserva Jyoti Mishra, autore senior dello studio. “La depressione è una malattia multiforme e dobbiamo affrontarla con un trattamento personalizzato, che si tratti di una terapia con un professionista della salute mentale, più esercizio fisico o una combinazione di approcci”.
I ricercatori hanno raccolto i dati di 14 partecipanti con depressione utilizzando applicazioni per smartphone e dispositivi indossabili (come gli smart watch) per misurare l’umore e variazioni nello stile di vita, nel ritmo sonno/veglia, nell’esercizio, nella dieta e la presenza di stress. Questi dati sono stati abbinati a valutazioni cognitive ed elettroencefalografia.
I ricercatori hanno così sviluppato dei modelli di apprendimento automatico per identificare sistematicamente predittori distinti di umore depresso in ogni individuo. Ad esempio, l’esercizio e l’assunzione giornaliera di caffeina sono risultati essere forti predittori dell’umore per un partecipante, per un altro sono stati il sonno e lo stress.
“Il nostro studio mostra che possiamo utilizzare la tecnologia, le app per cellulari ad esempio, per raccogliere informazioni da individui con o a rischio di depressione, e quindi sfruttare tali informazioni per progettare piani di trattamento personalizzati.”, commenta Mishra.
Bibliografia:
Shah, R.V., Grennan, G., Zafar-Khan, M. et al. Personalized machine learning of depressed mood using wearables. Transl Psychiatry 11, 338 (2021). https://doi.org/10.1038/s41398-021-01445-0
