Mobile App zur Vorhersage von Stimmungsschwankungen bei Patienten mit bipolarer Störung

Mobile App zur Vorhersage von Stimmungsschwankungen bei Patienten mit bipolarer Störung

case study software mobile application
Herausforderungen

Die bipolare Störung (KHK) ist eine schwere psychische Störung, von der mehr als 2% der Weltbevölkerung betroffen sind. Es ist gekennzeichnet durch manische Episoden erhöhter Stimmung und übermäßiger Aktivität, unterbrochen von Depressionsperioden. Es ist sehr schwierig, die nächste Änderung in der Verhaltensphase eines Patienten mit KHK vorherzusagen. Es gibt keine Möglichkeit, Patienten und ihre Ärzte über die bevorstehende Phase zu informieren. Das Hauptziel des Projekts bestand darin, mithilfe eines Algorithmus für maschinelles Lernen eine innovative Anwendung zu entwickeln, mit der Informationen gesammelt und analysiert werden können. Dank dieser Methode könnten Phasenänderungen bei einem Patienten erkannt und vorhergesagt werden.

Lösungen

Die Diagnose einer Phasenänderung kann erleichtert werden, indem die vom Smartphone des Patienten gesammelten Daten überwacht werden. In der ersten Version der von uns vorbereiteten Anwendung wurden Daten aus Funktionen wie der Anzahl eingehender und ausgehender Telefonanrufe, der Länge der SMS-Nachrichten, der Anzahl der Schritte oder der Sprachmerkmale erfasst. Anhand der gesammelten Daten könnte die Anwendung sie verwenden, um ein auf maschinellem Lernen basierendes Prognosemodell zu erstellen.

Auswirkungen

Im Rahmen des Projekts haben wir verschiedene Methoden untersucht, die es uns ermöglichen würden, Veränderungen des Zustands des Patienten einen Tag im Voraus mithilfe von überwachten und unbeaufsichtigten Techniken des maschinellen Lernens endgültig vorherzusagen.

Die vorbereitete Anwendung verfügt über eine implementierte Version der OpenSmile-Bibliothek, die Daten über die physikalischen Eigenschaften der Stimme sammelt. Patienten können auch Stunden markieren, ihre Stimmung einschätzen und sie im Alltag beobachten. Die in der Patientenanwendung gesammelten Daten werden mithilfe der entsprechenden Algorithmen gruppiert. Dies ermöglicht eine eintägige Prognose der Veränderung der Krankheitsphase bei einem Patienten mit bipolarer Störung.

Technologien und Tools

MongoDB, PostgreSQL, R

Das Projekt wurde im Rahmen des EU-Projekts Mazovia umgesetzt.

Other case studies

Salesforce case study

Mehrstufiges globales Supportzentrum

Herausforderungen Der Kunde benötigte ein zentrales System zur Verwalt...

Mehr lesen