要約
同じ精神障害を持つ個人の間で、さらには一人の個人の中でも時間の経過とともに観察される行動の大きな不均一性は、臨床実践と生物医学研究の両方を複雑にしています。
ただし、最新のテクノロジーは、行動の特徴付けを改善する素晴らしい機会です。
患者調査や臨床面接など、定性的または拡張性のない既存の精神医学手法をより強力に収集し、分析して新しい定量的尺度を生み出すことができるようになりました。
さらに、携帯電話の GPS やスマートウォッチの加速度計などの受動的センサー ストリームを継続的に収集する最近の機能により、以前はまったく非現実的だった新しい質問への道が開かれています。
それらの時間的に高密度な性質により、リアルタイムの神経信号と行動信号の一貫した研究が可能になります。
精神疾患の包括的な神経生物学的モデルを開発するには、まず行動を定量化するための強力な方法を開発することが重要です。
現在のテクノロジーで理論的に捉えられるものには大きな可能性がありますが、これ自体が大きな計算上の課題を提示しており、新しいデータ処理ツール、新しい機械学習技術、そして最終的には学際的な研究の実施方法の変化が必要となります。
私の論文では、デジタル精神医学についてさまざまな視点をとった研究プロジェクトについて詳しく説明し、その後、アイデアを結び付けてこの分野の将来についての最終的な議論を行っています。
また、必要に応じて、広範なドキュメントを含むソフトウェア インフラストラクチャも提供します。
主な貢献には、科学的議論と、過小評価されている精神医学研究データタイプとしての毎日の自由形式オーディオジャーナルの概念実証結果、および提案されたマルチエリアリカレントニューラルネットワークアーキテクチャの新しい安定性定理と実験的成功が含まれます。
要約(オリジナル)
The great behavioral heterogeneity observed between individuals with the same psychiatric disorder and even within one individual over time complicates both clinical practice and biomedical research. However, modern technologies are an exciting opportunity to improve behavioral characterization. Existing psychiatry methods that are qualitative or unscalable, such as patient surveys or clinical interviews, can now be collected at a greater capacity and analyzed to produce new quantitative measures. Furthermore, recent capabilities for continuous collection of passive sensor streams, such as phone GPS or smartwatch accelerometer, open avenues of novel questioning that were previously entirely unrealistic. Their temporally dense nature enables a cohesive study of real-time neural and behavioral signals. To develop comprehensive neurobiological models of psychiatric disease, it will be critical to first develop strong methods for behavioral quantification. There is huge potential in what can theoretically be captured by current technologies, but this in itself presents a large computational challenge — one that will necessitate new data processing tools, new machine learning techniques, and ultimately a shift in how interdisciplinary work is conducted. In my thesis, I detail research projects that take different perspectives on digital psychiatry, subsequently tying ideas together with a concluding discussion on the future of the field. I also provide software infrastructure where relevant, with extensive documentation. Major contributions include scientific arguments and proof of concept results for daily free-form audio journals as an underappreciated psychiatry research datatype, as well as novel stability theorems and pilot empirical success for a proposed multi-area recurrent neural network architecture.
arxiv情報
| 著者 | Michaela Ennis |
| 発行日 | 2023-05-24 17:45:10+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google