利用机器学习与无线电信号量化瘙痒及其对睡眠的影响
机器学习
2025-01-10 v1 人工智能
计算机与社会
摘要
慢性瘙痒影响着13%的美国人口，具有高度的致残性，并且是许多潜在医疗状况的根源。临床护理和新疗法开发面临的一个主要挑战是缺乏量化瘙痒的客观指标，导致只能依赖患者对瘙痒严重程度的自我评估等主观指标。在本文中，我们展示了结合人工智能（AI）的家用无线电设备可以通过分析在环境中反射的无线电信号，同时捕捉抓挠行为并评估其对睡眠质量的影响。该设备无需佩戴传感器或接触皮肤，从而能够在家庭环境中长期监测慢性瘙痒，而不会给患者带来负担或影响其皮肤状况。为了验证该技术，我们对慢性瘙痒患者进行了一项观察性临床研究，使用无线电设备和红外摄像机在家中监测一个月。将设备的输出与来自摄像机的真实数据进行比较，证明了其可行性与准确性（ROC AUC = 0.997，sensitivity = 0.825，specificity = 0.997）。结果显示，抓挠与低睡眠质量之间存在显著相关性，表现为睡眠效率降低（R = 0.6，p < 0.001）和睡眠潜伏期增加（R = 0.68，p < 0.001）。我们的研究强调了被动、长期、居家监测慢性抓挠行为及其睡眠影响的潜力，为慢性瘙痒患者的临床护理和药物临床试验提供了一个有价值的工具。
引用
@article{arxiv.2501.04896,
title = {Quantifying Itch and its Impact on Sleep Using Machine Learning and Radio Signals},
author = {Michail Ouroutzoglou and Mingmin Zhao and Joshua Hellerstein and Hariharan Rahul and Asima Badic and Brian S. Kim and Dina Katabi},
journal= {arXiv preprint arXiv:2501.04896},
year = {2025}
}