보고서 정보
주관연구기관 |
서울대학교 Seoul National University |
연구책임자 |
김재원
|
참여연구자 |
김성혜
,
이정
,
한지연
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2020-02 |
과제시작연도 |
2018 |
주관부처 |
보건복지부 [Ministry of Health & Welfare(MW)(MW) |
과제관리전문기관 |
한국보건산업진흥원 Korea Health Industry Development Institute |
등록번호 |
TRKO202200008893 |
과제고유번호 |
1465027725 |
사업명 |
연구자주도질병극복연구(R&D) |
DB 구축일자 |
2022-09-29
|
키워드 |
우울증.자살.생물사회적 표지자.헬스케어.스마트기기.Depression.Suicide.Biosocial Markers.Healthcare.Smart Device.
|
초록
▼
□ 연구의 목적 및 내용
아동청소년 우울증에서 스마트기기(스마트폰, 스마트워치)로 일상 활동과 사회적 상호작용을 측정하고 기계학습(machine learning) 기법을 적용하여 우울증의 진단과 증상, 항우울제 치료 반응과 자살 위험을 개인 수준에서 판별하고 예측하는 기술을 개발함
□ 연구개발성과
1) 1차년도(2018) 연구개발 목표: 우울증의 생물-사회적 표지자 개발, 스마트기기 어플과 서비스 플랫폼 개발
- 스마트기기를 이용해 환자의 기분 상태를 실시간 모니터링하는 시스템은 스마트기기 app, 클라
□ 연구의 목적 및 내용
아동청소년 우울증에서 스마트기기(스마트폰, 스마트워치)로 일상 활동과 사회적 상호작용을 측정하고 기계학습(machine learning) 기법을 적용하여 우울증의 진단과 증상, 항우울제 치료 반응과 자살 위험을 개인 수준에서 판별하고 예측하는 기술을 개발함
□ 연구개발성과
1) 1차년도(2018) 연구개발 목표: 우울증의 생물-사회적 표지자 개발, 스마트기기 어플과 서비스 플랫폼 개발
- 스마트기기를 이용해 환자의 기분 상태를 실시간 모니터링하는 시스템은 스마트기기 app, 클라우드, 연구자 평가의 3가지 요소로 구성됨. 활동 지표 (activity index)는 app을 통해 기기에 내장된 GPS, 가속 센서 등을 통해 활동 범위, 활동량을 측정하고 양적 측면뿐만 아니라 일주기(circadian rhythm)에 따른 활동의 규칙성과 같은 질적 측면도 함께 고려함. 또한 사회관계 지표 (social interaction index)를 도출하기 위해 전화(시간, 횟수, 교류 대상수), 문자(단어 수, 교류 대상 수), SNS (사용량) 사용 데이터를 수집하고 이외에 자가기분보고, 집중력과제 및 임상가 평가 결과도 저장함.
2) 2차년도(2019) 연구개발 목표: 생물-사회적 표지자를 이용한 개인 수준의 우울증/치료 반응/자살 위험 판별, 예측 기술 개발
① STAR-DS로 수집된 데이터와 기계학습을 통해 환자군과 대조군을 구분하는 우울증의 생물-사회적 표지자 개발: 전체 14가지의 지표 중 환자군과 대조군을 가장 정확하게 구분하는 10가지 표지자를 선정했고 휴대폰 사용 시간, 통화 송신량, 문자 대상 번호 수 순으로 특징 순위가 부여됨. 이를 이용해 3배수로 학습을 수행한 결과 훈련 정확도 89.6%, 시험 정확도 75.2%, 민감도 79.8%, 특이도 72%가 확인됨.
② 항우울제 치료 반응군과 비반응군을 구분하는 생물-사회적 표지자 개발: 14개의 지표 중 6개 특징을 사용했을 때 약물치료 반응군과 비반응군을 가장 정확하게 분류하였으며, 6개 지표를 사용해 3배수 학습을 수행한 결과 훈련 정확도 65.0%, 시험 정확도 57.2%, 민감도 30%, 특이도 80%가 확인됨.
□ 연구개발성과의 활용계획 (기대효과)
1) 아동청소년기 우울증을 조기에 진단하고 항우울제 치료 반응과 자살 위험을 치료 시작 전에 예측할 수 있는 ICT 기반 생물-사회적 표지자를 개발하고 보급함으로써 우울증의 연구/진료 수준을 국제적으로 향상시키고 보건의료기술의 국제적인 우위 확보 기대
2) 아동청소년기 우울증을 조기에 진단하고 항우울제 치료 반응과 자살 위험을 치료 시작 전에 예측함으로써 우울증 치료의 효율성/수익성을 높이고 위험률을 낮추며, 아동청소년 우울증과 자살로 인한 사회경제적 부담과 손실을 감소
3) 임상-신경심리-ICT 기반 일상생활 생체정보-기계학습을 사용한 융합적인 연구방법론을 적용하여 향후 다른 정신과학 분야에 이용될 수 있는 기틀을 마련
(출처 : 요약문 14p)
Abstract
▼
□ Purpose&Contents
The purpose of the study is to
1) measure activities and social interactions on a daily basis in children and adolescents with depression using smart devices (such as smartphones and smartwatches), and to
2) develop techniques to determine and predict symptoms and diagnos
□ Purpose&Contents
The purpose of the study is to
1) measure activities and social interactions on a daily basis in children and adolescents with depression using smart devices (such as smartphones and smartwatches), and to
2) develop techniques to determine and predict symptoms and diagnosis of depression, antidepressant response, and suicide risk at an individual level adopting machine learning methods.
□ Results
1) Goals for the first year (2018): Developing bio-social markers of depression, and smart device application with its service platform
- The system monitoring a patient’s mood states using a smart device involves three parts: The smart device application, cloud, and the assessment by a researcher. The activity index measures the scope and amount of daily activities via built-in GPS and acceleration sensors while the person uses the application. The index considers not only quantitative features of the activity but also some qualitative aspects, such as its regularity as synched to the circadian rhythm. In order to extract the social interaction index, the monitoring system also collects data on phone calls (e.g., total call time, number ofcalls), texts (e.g., amount of words written, total number of people the user interacts with), and SNS use (e.g., total amount). The system also stores self-reported mood states, results from attention tests,and the clinician’s assessment.
2) Goals for the second year (2019): Developing techniques to determine and predict symptoms of depression, response to treatment, and suicide risk at an individual level
① Developing bio-social markers of depression to classify patient group and control group using STAR-DS data and machine learning: We selected the top ten markers out of 14 that best differentiate the patient group from the control group. The number one feature was “time spent on smartphones”, followed by “total outgoing call time” and “total number of other phone users the person texts”. The results of a 3-fold learning show that the training accuracy was 89.6%, test accuracy 75.2%, sensitivity 79.8%, and specificity 72%.
② Developing bio-social markers to classify treatment response group and non-response group: The treatment response group was best differentiated from the non-response group using six features out of 14. The results of a 3-fold learning show that the training accuracy was 65.0%, test accuracy 57.2%, sensitivity 30%, and specificity 80%.
□ Expected Contribution
1) By developing and distributing ICT-based bio-social markers for early diagnosis of depression in children and adolescents, we expect to have improved quality of research and treatment worldwide. Such progress will, in turn, enable Korea to obtain a dominant position in healthcare technology in the global marketplace.
2) By diagnosing child and adolescent depression at an early stage as well as by predicting antidepressant response and suicide risk before starting treatment, the efficacy and profit of the treatment will possibly be enhanced while its risk goes down. Furthermore, the socioeconomic burden and medical costs of depression and suicide currently prevalent among children and adolescents will more likely be reduced.
3) While being based on the interface between clinics, neuropsychology, and ICT, the study utilizes biometric data on daily activities and machine learning techniques. Our interdisciplinary research methods may help establish a sound basis for much progress and innovation in future studies on mental health.
(source : SUMMARY 15p)
목차 Contents
- 표지 ... 1
- 보고서요약 ... 2
- 제 출 문 ... 12
- 보고서 요약서 ... 13
- 국문 요약문 ... 14
- SUMMARY ... 15
- 목차 ... 16
- 1. 연구개발과제의 개요 ... 18
- 1-1. 연구개발 목적 ... 18
- 1-2. 연구개발의 필요성 ... 18
- 1-3. 연구개발 범위 ... 18
- 2. 국내외 기술개발 현황 ... 19
- 2-1. 아동청소년 우울증과 자살의 심각성 ... 19
- 2-2. ICT (Information & Communication Technology) 기반 스마트 헬스케어의 대두 ... 19
- 2-3. 우울증 치료와 기계학습(machine learning) ... 19
- 2-4. 연구 가설의 도출 근거 ... 20
- 3. 연구수행 내용 및 결과 ... 21
- 3-1. 연구수행 내용 ... 21
- 3-2. 연구 결과 ... 27
- 3-3. 연구개발성과 ... 34
- 4. 목표달성도 및 관련분야 기여도 ... 35
- 4-1. 목표달성도 ... 35
- 4-2. 관련분야 기여도 ... 35
- 5. 연구결과의 활용계획 ... 35
- 5-1. 기술적 측면 ... 35
- 5-2. 경제적·산업적 측면 ... 35
- 12. 참고문헌 ... 36
- 끝페이지 ... 37
※ AI-Helper는 부적절한 답변을 할 수 있습니다.