文献

J-GLOBAL ID：202202289783524555   整理番号：22A1177050

一般高齢者のうつ病と不安の検出における機械学習に基づくスマートフォンアプリケーションの実現可能性【JST・京大機械翻訳】

Feasibility of a Machine Learning-Based Smartphone Application in Detecting Depression and Anxiety in a Generally Senior Population

著者 (8件)： Lin David (Ellipsis Health, San Francisco, CA, United States) ,  Nazreen Tahmida (Ellipsis Health, San Francisco, CA, United States) ,  Rutowski Tomasz (Ellipsis Health, San Francisco, CA, United States) ,  Lu Yang (Ellipsis Health, San Francisco, CA, United States) ,  Harati Amir (Ellipsis Health, San Francisco, CA, United States) ,  Shriberg Elizabeth (Ellipsis Health, San Francisco, CA, United States) ,  Chlebek Piotr (Ellipsis Health, San Francisco, CA, United States) ,  Aratow Michael (Ellipsis Health, San Francisco, CA, United States)
資料名： Frontiers in Psychology (Web)  (Frontiers in Psychology (Web))
巻： 13  ページ： 811517  発行年： 2022年 
JST資料番号： U7096A  ISSN： 1664-1078  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:鬱病と不安は,大きな健康負担を創り,早期死亡率のリスクを増加させる。精神衛生スクリーニングは極めて重要であるが,より洗練されたスクリーニングとモニタリング法が必要である。Ellipsis Health Appは,うつ病と不安をスクリーンするために,記録された音声から意味情報を用いてこの必要性に対処した。目的:本研究の目的は,メンタルヘルススクリーニングのための毎週の音声サンプルを収集する実現可能性を決定することである。さらに,著者らは,様々な年齢の患者に対するEllipsisの機械学習モデルのポータビリティと改善された性能を実証することを目的とする。方法:研究参加者は,砂漠オアシス健康管理,平均年齢63歳(SD=10.3)の現在患者であった。2つの非ランダム化コホートが参加した:研究前24か月以内のうつ病の病歴のある1つ(陽性群),およびうつ病のない他の群(陰性群)。参加者は,Ellipsis Health Appを介して6週間毎週5分間の音声試料を記録した。また,PHQ-8とGAD-7アンケートを完了し,鬱病と不安を評価した。結果:プロトコル完了率は両群で61%であった。プロトコルを超える使用は,陽性群で27%,陰性群で9%であった。Ellipsis Health Appは,10の閾値スコアでPHQ-8およびGAD-7と比較して,併用群で0.82のAUCを示した。パフォーマンスは,高齢の参加者およびより若い年齢範囲で高かった。さらに,多くの参加者は必要な5分よりも長い。結論:Ellipsis Health Appは,様々な年齢グループ間の抑鬱と不安をスクリーンするための音声記録の使用の実現可能性を示し,トランスフォーマー方法論を用いた機械学習モデルは性能を維持し,研究集団に適用した場合,LSTM方法論を改善した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音声 ,  スクリーン ,  砂漠 ,  モデル ,  *うつ病 ,  健康管理 ,  抑うつ ,  精神衛生 ,  母集団 ,  スクリーニング ,  *機械学習 ,  *スマートフォン
準シソーラス用語： オアシス ,  *スマートフォンアプリ , 【Automatic Indexing@JST】

著者キーワード (8件)： メンタルヘルススクリーニング ,  機械学習 ,  スマートフォン ,  音声 ,  NLP ,  人工知能 ,  行動ヘルスモニタリング ,  バイオマーカー

分類 (2件)： 音声処理  (JE05000E) ,  人工知能  (JE08000Z)

引用文献 (48件)：

• Akincigil A., Matthews E. B. (2017). National rates and patterns of depression screening in primary care: results from 2012 and 2013. Psychiatr. Serv. 68, 660-666. doi: , PMID: doi: 10.1176/appi.ps.201600096
• Bauer M., Glenn T., Geddes J., Gitlin M., Grof P., Kessing L. V., et al. (2020). Smartphones in mental health: a critical review of background issues, current status and future concerns. Int. J. Bipolar Disord. 8:2. doi: , PMID: doi: 10.1186/s40345-019-0164-x
• Baumel A., Muench F., Edan S., Kane J. M. (2019). Objective user engagement with mental health apps: systematic search and panel-based usage analysis. J. Med. Internet Res. 21:e14567. doi: , PMID: doi: 10.2196/14567
• Bengio Y. (2012). “Deep learning of representations for unsupervised and transfer learning.” in Proceedings of ICML Workshop on Unsupervised and Transfer Learning. PMLR. Vol. 27. 17-36. doi: 10.2196/14567
• Borgogna N. C., Brenner R. E., McDermott R. C. (2021). Sexuality and gender invariance of the PHQ-9 and GAD-7: implications for 16 identity groups. J. Affect. Disord. 278, 122-130. doi: , PMID: doi: 10.1016/j.jad.2020.09.069

タイトルに関連する用語 (5件)： 高齢者 ,  うつ病 ,  機械学習 ,  スマートフォンアプリケーション ,  実現可能性