Systematyczne badanie cyfrowych biomarkerów do wykrywania epizodów depresyjnych w chorobie afektywnej dwubiegunowej

Dlaczego twój telefon i pierścień mogą sygnalizować pogorszenie

Dla wielu osób żyjących z chorobą afektywną dwubiegunową epizody depresyjne potrafią pojawić się nagle, zaburzając pracę, relacje i codzienne życie. To badanie stawia proste pytanie o dalekosiężnych konsekwencjach: czy wzorce w danych codziennych — z pierścienia noszonego na palcu, rejestrującego aktywność i sen, oraz bardzo krótkich, codziennych ankiet nastroju — mogą wiarygodnie sygnalizować, kiedy ktoś przeszedł ze stabilnej fazy w depresję? Jeśli tak, technologia, którą ludzie już noszą, mogłaby pomóc pacjentom i klinicystom reagować wcześniej, długo zanim kryzys wymusi interwencję.

Śledzenie rzeczywistego życia przez miesiące, nie minuty

Naukowcy obserwowali 133 dorosłych z chorobą afektywną dwubiegunową typu I lub II przez medianę około ośmiu miesięcy. Uczestnicy nosili pierścień Oura — komercyjnie dostępne urządzenie, które nieprzerwanie rejestruje ruch i sen — oraz codziennie wypełniali bardzo krótkie oceny swojego nastroju, energii i lęku za pośrednictwem e-maila. Raz w tygodniu wypełniali też standardowy kwestionariusz depresji stosowany w placówkach klinicznych. Na podstawie tych tygodniowych ankiet zespół oznaczył momenty, gdy uczestnik wszedł w epizod depresyjny — definiowany jako co najmniej dwa tygodnie z klinicznie istotnymi objawami — oraz kiedy znajdował się w stanie stabilnym, czyli eutymsji. W ten sposób powstały długie, szczegółowe „strumienie” zachowań i odczuć na przestrzeni lepszych i gorszych okresów.

Przekształcanie tysięcy punktów danych w kilka jasnych sygnałów

Z surowych danych naukowcy skonstruowali 49 podstawowych zmiennych (takich jak dzienna aktywność krokomierza, czas zasypiania czy średnia ocena nastroju) w różnych skalach czasowych, a następnie wydobyli siedem matematycznych opisników zachowania każdej zmiennej w czasie. Opisniki te uchwyciły nie tylko poziomy, lecz także to, jak bardzo miara chwiała się dzień po dniu, jak ekstremalne były te wahania i jak bardzo jeden dzień przypominał następny. W efekcie powstało 343 kandydatów na „cyfrowe biomarkery” opisujących wzorce snu, aktywności oraz samoopisowy nastrój, energię i lęk. Następnie zastosowano wyjaśnialne metody uczenia maszynowego — algorytmy, które potrafią klasyfikować wzorce i jednocześnie ujawniać, które wejścia miały największe znaczenie — by sprawdzić, które kombinacje najlepiej rozróżniały dni depresyjne od stabilnych.

Jak depresja wyglądała w codziennych wzorcach

Spośród wszystkich sygnałów najsilniejszym pojedynczym źródłem informacji okazały się codzienne samooceny. Modele używające wyłącznie trzech codziennych suwaków: nastroju, energii i lęku, rozróżniały epizody depresyjne od okresów stabilnych z wysoką dokładnością (pole pod krzywą ROC około 0,82, gdzie 1,0 to ideał, a 0,5 to losowość). W czasie epizodów depresyjnych ludzie oceniali swój nastrój i energię wyraźnie niżej. Jednocześnie ich wyniki zmieniały się w wąskim, niskim zakresie — co dało statystyczny wzorzec, który autorzy nazywają paradoksem względno‑bezwzględnej zmienności: nastrój i energia wyglądały na bardziej „zmienne” przy uwzględnieniu względnym wobec niskiej średniej, lecz w ujęciu bezwzględnym ludzie odczuwali przewlekłe obniżenie i „utkwienie”. Innymi słowy, depresja tutaj przypominała przedłużoną, płaską dolinę, a nie ostre wzloty i upadki.

Subtelne zmiany w ruchu i śnie również mają znaczenie

Nawet bez samoocen sam pierścień noszony na palcu dostarczał użytecznych wskazówek. Epizody depresyjne wiązały się z mniejszą zmiennością aktywności z dnia na dzień — poziomy ruchu były bardziej równomiernie niskie. Zmieniały się też wzorce snu. Czas zasypiania wahał się bardziej gwałtownie z nocy na noc, podczas gdy miary snu głębokiego miały tendencję do mniejszych skrajnych wahań. Chociaż modele oparte na aktywności i śnie były mniej dokładne niż te wykorzystujące codzienne raporty nastroju, wciąż działały lepiej niż przypadek i były odporne na wiele testów statystycznych, co sugeruje, że rytmy ciała same w sobie stają się podczas faz depresji bardziej sztywne i mniej elastyczne.

Od opisu do systemów wczesnego ostrzegania

Autorzy podkreślają, że jest to wczesny, ale kluczowy krok: badanie koncentruje się na dokładnym opisie momentów, kiedy osoba jest w depresji, a nie jeszcze na prognozowaniu epizodów przed ich wystąpieniem. Mimo to obraz, który się wyłania, jest intuicyjnie rozpoznawalny: w epizodach depresyjnych ludzie czują się konsekwentnie gorzej i mniej energicznie, poruszają się mniej i bardziej monotonnnie oraz doświadczają bardziej nieregularnych pór zasypiania. Ponieważ kluczowe cyfrowe biomarkery, które zidentyfikowano, są stosunkowo proste — zmienność dzień po dniu w nastroju, aktywności i czasie zasypiania — w przyszłości można je wbudować w aplikacje lub panele kliniczne. Dla pacjentów mogłoby to oznaczać, że telefon i pierścień dyskretnie śledzą te wzorce w tle i powiadamiają ich oraz ich klinicystę, gdy codzienne rytmy zaczną przypominać wcześniejsze epizody depresyjne, otwierając drogę do szybszej, bardziej spersonalizowanej opieki.

Cytowanie: Halabi, R., Mulsant, B.H., Tolend, M. et al. A systematic exploration of digital biomarkers for the detection of depressive episodes in bipolar disorder. npj Mental Health Res 5, 13 (2026). https://doi.org/10.1038/s44184-026-00195-5

Słowa kluczowe: choroba afektywna dwubiegunowa, cyfrowe biomarkery, czujniki noszone, wykrywanie depresji, fenotypowanie cyfrowe