Depressie is een groeiend probleem onder met name oudere volwassenen. Er zijn onderzoeken die berekenen dat tussen de een op de tien en een op de zes ouderen die nog niet alleen wonen met depressieklachten kampt. Onder alleenstaande ouderen is dat aantal naar schatting veel hoger, tussen de 30 en 40 procent. Ongeveer de helft van die gevallen blijft ongediagnosticeerd. Onderzoekers hebben een nieuwe niet-invasieve methode ontwikkeld om depressie bij oudere volwassenen te detecteren. De nieuwe technologie, HOPE genaamd, maakt gebruik van op WiFi gebaseerde bewegingsgegevens en een machine learning model dat aan de hand van die gegevens depressie kan detecteren.
Een van de voordelen van het HOPE AI-model is dat het in staat is depressie bij oudere volwassenen te detecteren zonder dat daarvoor andere apparaten, zoals bijvoorbeeld wearable sensors, nodig zijn. Voor de ontwikkeling van het model heeft professor Samira A Rahimi van de McGill University en het Mila-Quebec AI Institute, vaststellen of alledaagse bewegings- en slaappatronen, verzameld via Wi-Fi-gebaseerde sensoren, vroegtijdige indicatoren van depressie kunnen opleveren bij volwassenen van 65 jaar en ouder.
Depressie detecteren met WiFi en AI
Het onderzoek van Rahimi toonde aan dat deze innovatieve aanpak depressie bij deze oudere doelgroep met een nauwkeurigheid van meer dan 87 procent wist vast te stellen. Daarmee is het een veelbelovende oplossing voor vroegtijdige interventie en niet-intrusieve bewaking van de geestelijke gezondheid, als alternatief voor traditionele methoden waarbij de patiënt direct betrokken moet worden.
Traditionele monitoring, waaronder klinische interviews en draagbare monitoring, zijn vaak arbeidsintensief, opdringerig of onhandig, vooral voor oudere volwassenen die moeite hebben met het gebruik van technologie. Het HOPE-model pakt deze uitdagingen aan door gebruik te maken van de bestaande Wi-Fi-infrastructuur, waardoor continue passieve monitoring mogelijk is zonder actieve deelname van gebruikers.
Het HOPE model is niet de eerste AI-gedreven oplossing voor het detecteren van tekenen van depressie. Zo werken andere wetenschappers al een tijdje aan de ontwikkeling van een AI-app die, op een niet invasieve manier, bij gebruikers van smartphones tekenen van depressie moet gaan detecteren. De app maakt, wanneer een persoon naar zijn of haar smartphone kijkt, foto’s van de pupillen. Met behulp van een AI-tool kan dan berekend worden of de persoon in kwestie symptomen van depressie vertoond.
Explainable AI
Een ander belangrijk aspect van het HOPE-model is de integratie van zogenoemde explainable AI-technieken (XAI), die zorgen voor transparantie en klinische interpreteerbaarheid. In haar onderzoek maakte Rahimi gebruik van explainable machine-learning modellen om de meest invloedrijke factoren in depressiedetectie te identificeren.
“Te vaak wordt de geestelijke gezondheid van oudere volwassenen over het hoofd gezien, waardoor velen in stilte lijden zonder de zorg en aandacht die ze verdienen. Ons HOPE-model zou kunnen fungeren als een zorgzame vriend die uitkijkt naar tekenen van depressie bij oudere volwassenen door gebruik te maken van alledaagse Wi-Fi-gegevens om mogelijke problemen vroegtijdig en zonder opdringerig te zijn te herkennen. Het gaat om het gebruik van technologie om een helpende hand te bieden, vooral voor diegenen die het misschien moeilijk vinden om zelf de hand uit te steken,” aldus Samira A. Rahimi.
