Page 52 - 健康與建築Vol.4 No.2

I

◇
. . 研
43 Method and Algorithms to Improve Depression Care Using Wearable Device
究
論

文
◇
率可高達 16%，且多好發於 30-50 歲之青壯年 研究目的

各類統計數據相 當可觀，其中一個主要原因，憂

鬱症現有控制療法並非理想，導致台灣每 2.5 小 由上述得知，潛在的憂鬱症客群相當龐大，

時就有一 個人自殺，自殺死亡者生前達憂鬱症 大多數因怕被別人貼標籤，而並不及早就診，而
診斷者高達 87%，造成社會極大負擔與悲劇，全 現有的憂鬱症防治方式僅以填表的方式，仍無法

球各地都有自殺防治中心，藉由定期的問卷及調 有效發掘憂鬱症病患促使就診，目前技術主要專

查來了解潛在的憂鬱症病患，也針對高自 殺風 注於手機偵測憂鬱傾向，雖皆有 87% 以上精準

險的憂鬱症病患進行持續追蹤，也設立心理諮商 度，但在醫療等級上需要有 95% 以上的精準度，

專線，然而目前的自殺防治仍然無太 大效果， 並且在量測上較少蒐集生理數據，導致資料量無
根據世界衛生組織預估，憂鬱症影響人類失能的 法足以完全精準偵測憂鬱。

可能性逐年增加，到達 2030 年 將有可能成為疾

病負擔第二高，這也是現代文明社會，隨著資訊 因此本研究計畫致力於研發出符合消費者使

知識的爆炸，將成為人們 普及的通病。
用經驗，利用精神感知檢測晶片與演算法將主觀
的憂鬱症量表客觀數字化，例如 : 睡眠 ( 失眠 )、

不動 ( 失去興趣 )、光線 暴露減少 ( 退縮 )，是

憂鬱症症狀中的重要項目，睡眠狀況及運動與身

體活動狀況，本計畫 整合照光以及 G 感測器等

硬體，能更精準地進行判定憂鬱症狀況，設計出
專門可測量憂 鬱指數的檢測晶片，並且進行資

料探勘，比較向量支持機與決策樹三種演算法，

確定最佳憂鬱指數化的模型，期望帶來 醫師達
圖1. 憂鬱症造成之社會負擔
95% 以上的醫療等級憂鬱指標追蹤。

研究方法

憂鬱症量表 (DSM- V ) 與數值量測之關係

以下為七項憂鬱量表特徵，每一項皆由多項

感測器所測得的數值整合出來的，如 : 思考不集

圖2. 憂鬱症分佈狀況，全球會員國每 10 萬位 中易焦慮 以三軸加速計 , 重力感測器 , 心跳變異

居民有憂鬱症患者的統計
率及心電圖等，多項偵測內容經過擷取特徵值並
(Support Vector Machine)
藉由支持向量機器 來 健
無法有效追蹤憂鬱症病患導致藥物濫用問題
進行分類分群，藉由多感應器 (sensor) 的穿戴式 康
與
感測，來避免單一數據變化的誤差，像是憂鬱症 建
築
現有的憂鬱症診斷方式僅以問診填表的方 病發時，病患在行為上會有明顯的改變，大多變 雜
誌
式，仍無法有效以客觀數據判讀憂鬱症病患 狀 得較為遲緩，甚至躲在家不想出家門， 如果以三
況，一個月僅一次的醫生諮詢診斷，在無實質客 軸加速器來測會發現其值會偏低，但很多情況也
第
觀數據之下，醫生無法持續追蹤病患情 形，導致 會發生這樣的訊號特徵，因此再搭配光照 sensor 四
卷
藥物誤用有高達 30-50% 憂鬱症藥物治療無效， 了解到其光線的數值是日光的強度與頻段，判斷 第
二
病患須承受藥物副作用很多病患 因而喪失了黃 是否在室內，甚至是哪一間房間，可以大致可 期
25% [5].
金治療時機，甚至 惡化成躁鬱症 ，而病 以了解是否躲在房間憂鬱，而心跳變異率可以判 中
患也無法克制自己進入憂鬱 狀況，導致憂鬱症 斷是否正在睡眠，因為睡眠時心跳會偏低，能夠 華
民
成為世紀難治之病，藥物濫用的問題隨之非常嚴 準確的 進行偵測，心情的起伏也與心跳變異率 國
一
重，根據美國統計一年 中 12% 成年人服用抗憂 也有強烈的關聯性，也可依據此生理數據來判斷 ○
六
鬱藥物，2005 年台灣抗憂鬱藥物就花了近 20 億 憂鬱狀況，而憂 鬱症也常常伴隨失眠，在夜晚 年
元，藥物使用年成 長率高達 5.7%，整體造成社 時也可以藉由三軸加速器進行睡眠狀況偵測，而
六
會負擔，社會上並未進行解決。
焦慮及交感神經失調時， 可用心跳變異率甚至
月