Transformer 模型从单夜睡眠中检测抗抑郁药使用,解锁依从性生物标志物
机器学习
2025-10-14 v1
摘要
抗抑郁药的不依从现象普遍存在,会导致复发、住院、自杀风险以及数十亿美元的可避免成本。临床医生亟需能够及时发现依从性中断的工具,而现有方法要么具有侵入性(血清检测、神经影像),要么基于代理指标且不够准确(药片计数、药房续方记录)。我们提出了首个非侵入性生物标志物,可通过单夜睡眠检测抗抑郁药服用情况。基于 transformer 的模型分析来自消费级可穿戴设备或非接触式无线传感器的睡眠数据,推断抗抑郁药服用情况,从而实现远程、无感、日常的家庭依从性评估。在涵盖 62,000 个夜晚、超过 20,000 名参与者(其中 1,800 名为抗抑郁药使用者)的六个数据集上,该生物标志物达到了 AUROC = 0.84,可跨药物类别泛化,并随剂量呈梯度变化,同时对合并使用的其他精神活性药物保持稳健。纵向监测捕捉到了真实世界中的起始用药、逐步减量及中断服药。该方法提供了客观、可扩展的依从性监测手段,有望改善抑郁症的诊疗与结局。
引用
@article{arxiv.2510.10364,
title = {Transformer Model Detects Antidepressant Use From a Single Night of Sleep, Unlocking an Adherence Biomarker},
author = {Ali Mirzazadeh and Simon Cadavid and Kaiwen Zha and Chao Li and Sultan Alzahrani and Manar Alawajy and Joshua Korzenik and Kreshnik Hoti and Charles Reynolds and David Mischoulon and John Winkelman and Maurizio Fava and Dina Katabi},
journal= {arXiv preprint arXiv:2510.10364},
year = {2025}
}