Использование данных с носимых устройств для выявления тяжести депрессии в клинических и неклинических выборках

Почему ваш фитнес‑трекер может выдавать не только шаги

Многие люди носят умные часы или фитнес‑браслеты, чтобы считать шаги и отслеживать сон. В этом исследовании ставится заметный вопрос: не могли бы те же гаджеты незаметно сигнализировать о том, что человек может переживать депрессию, ещё до того, как он обратится за помощью? Анализируя повседневные шаблоны сердечного ритма, движения и сна, исследователи изучили, могут ли потребительские носимые устройства помочь выявлять людей с более выраженными депрессивными симптомами как среди студентов, так и среди пациентов, уже проходящих лечение.

Две группы, одно устройство

Для проверки этой гипотезы команда объединила данные двух очень разных групп, которые в течение двух недель носили одну и ту же модель наручного устройства Garmin. Одна группа состояла из студентов голландского университета, большинство из которых не получали лечения по поводу психических расстройств. Другая — из клиники при германском университете, где пациенты проходили терапию по поводу диагностированной депрессии. Все участники также заполнили краткую стандартную анкету настроения, по результатам которой их разделили на «положительных по скринингу на депрессию» и «неположительных». Такая организация позволила проверить, могут ли сигналы с носимых устройств отличать людей с более высокими и более низкими уровнями симптомов в повседневной и клинической среде.

Преобразование суточных ритмов в сигналы

Браслеты фиксировали базовые показатели, которые измеряют многие фитнес‑трекеры: количество шагов в день, продолжительность сна, время отхода ко сну и пробуждения, а также поведение сердечного ритма в бодрствовании и во сне. Вместо того чтобы анализировать отдельные дни, команда суммировала данные за две недели для каждого человека, фиксируя не только средние значения, но и насколько эти показатели варьировали изо дня в день. Затем использовали тип статистической модели, часто применяемой в машинном обучении, способной обрабатывать множество взаимосвязанных предикторов одновременно, чтобы проверить, могла ли комбинация этих признаков правильно классифицировать, кто оказался положительным по скринингу на более высокую тяжесть депрессии.

Что показали носимые устройства

На всех 282 участниках модель показала хорошую эффективность: на отложенной тестовой выборке она правильно отличала группы с более высокими и более низкими симптомами примерно в четырёх из пяти случаев. Выделились три типа сигналов. Люди с более нерегулярным сном — с большими колебаниями в продолжительности ночного сна — с большей вероятностью попадали в группу с более выраженными симптомами. Те, у кого в самые активные дни был ниже пик числа шагов, также склонны были демонстрировать более тяжёлые симптомы, что подтверждает предыдущие работы, связывающие депрессию с уменьшением физической активности. Наконец, у людей, у которых минимальный дневной пульс был особенно низким, также чаще встречались повышенные симптомы, что может указывать на изменения в уровне телесного возбуждения или энергии, сопутствующие депрессии.

Не только кто вы, но и как вы живёте

Исследователи также проверили, насколько предсказание объясняется просто знанием о принадлежности человека к одной из групп — студент или клинический пациент. Сам факт принадлежности к группе оказался сильным сигналом, поскольку амбулаторная выборка в среднем имела значительно более высокие баллы по депрессии, чем студенческая. Тем не менее при добавлении признаков с носимых устройств к моделям, которые уже знали группу участника, общая эффективность улучшалась. Иными словами, то, как человек спал, двигался и как вел себя его пульс, давало дополнительную информацию поверх базовых факторов. Последующие анализы с поправкой на возраст, время отхода ко сну или слегка иные пороговые значения в анкете настроения дали схожие результаты, хотя самые важные признаки сместились в сторону времени сна и паттернов покоящегося пульса.

Обещающе, но с важными оговорками

Хотя результаты обнадёживают, авторы подчёркивают, что современные данные с носимых устройств не являются автономным диагностическим инструментом. Многих участников, особенно в клинической группе, пришлось исключить из-за недостатка данных с их устройств, а итоговая выборка в основном противопоставляла людей с очевидной депрессией и преимущественно здоровых студентов. Это означает, что модель меньше протестирована на выявление тонких или ранних изменений настроения. Различия в возрасте, академическом стрессе и других жизненных обстоятельствах между группами также могли повлиять на наблюдаемые паттерны. Работа показывает, что повседневные ритмы, фиксируемые обычными гаджетами, могут отражать значимые аспекты психического здоровья, но для действительно надёжного применения в реальном мире потребуются более крупные и разнообразные исследования.

Что это значит для повседневной жизни

Для неспециалиста главный вывод таков: изменения в регулярности сна, активности и «состоянии покоя» организма оставляют измеримые отпечатки, которые способны обнаружить умные часы. В этом исследовании такие отпечатки помогли идентифицировать людей с более высоким уровнем депрессивных симптомов как среди студентов, так и среди пациентов. В будущем аналогичные методы могут поддерживать системы раннего предупреждения, которые оповещали бы человека или клиницистов, когда паттерны начинают напоминать те, что связаны с депрессией, стимулируя своевременные разговоры или обследования. Пока же посыл остаётся обнадёживающим, но осторожным: ваш фитнес‑трекер начинает замечать признаки вашего психического состояния, но ещё не готов заменить обученного специалиста — или вашу собственную инициативу обратиться за помощью.

Цитирование: Hehlmann, M.I., Tutunji, R., Lutz, W. et al. Using wearable data to detect depression severity across clinical and non-clinical samples. Sci Rep 16, 11380 (2026). https://doi.org/10.1038/s41598-026-47177-3

Ключевые слова: носимые устройства, обнаружение депрессии, модель сна и активности, цифровое психическое здоровье, пассивное сенсирование