抑郁症和焦虑症是美国最常见的心理健康障碍之一，但超过一半患有这些疾病的人没有得到诊断和治疗。为了找到检测此类疾病的简单方法，心理健康专家正在考虑流行的可穿戴健康监测器在提供数据方面的作用，这些数据可以提醒佩戴者注意潜在的健康风险。

虽然使用可穿戴技术检测此类疾病的长期可行性在大量不同人群中仍是一个悬而未决的问题，但圣路易斯华盛顿大学的一组研究人员表明，我们有理由保持乐观。他们开发了一个名为 WearNet 的深度学习模型，他们在其中研究了 Fitbit 活动追踪器收集的 10 个变量。变量包括从每日总步数和卡路里燃烧率到平均心率和久坐分钟数的所有内容。研究人员为个人整理了 60 多天的 Fitbit 数据。

在考虑抑郁和焦虑风险因素时，WearNet 在检测抑郁和焦虑方面比最先进的机器学习模型做得更好。此外，它还对心理健康结果进行了个人层面的预测，而可穿戴设备用户的其他统计分析则评估了群体层面的相关性和风险。

“深度学习发现了这些变量与精神障碍之间的复杂关联，”麦凯维工程学院 Fullgraf 教授、医学院医学教授陆晨阳说。“机器学习是我们提取这些潜在关系的最强大工具。我们的工作提供的证据表明，可以使用可穿戴设备检测精神障碍。下一步是说服医院系统或某些公司实施它。”

研究人员包括 Ruixuan Dai，他曾在 Lu 的实验室担任博士生，现在是 Google 的软件工程师;Thomas Kannampallil，医学院麻醉学副教授兼副首席研究信息官，McKelvey Engineering 计算机科学与工程副教授;医学院博士研究生Seunghwan Kim;Vera Thornton，医学博士/博士。医学院候选人;和 Laura Bierut，医学博士，医学院精神病学校友捐赠教授。