Giyilebilir veriler kullanılarak klinik ve klinik dışı örneklerde depresyon şiddetinin tespiti

Fitness takipçiniz adımlardan fazlasını açığa vuruyor olabilir

Birçok insan artık adım saymak ve uykuyu izlemek için akıllı saatler veya bileklikler takıyor. Bu çalışma çarpıcı bir soru soruyor: aynı cihazlar, biri yardım aramadan önce bile birinin depresyonla mücadele ediyor olabileceğini sessizce işaretleyebilir mi? Araştırmacılar kalp atış hızı, hareket ve uyku gibi günlük desenlere bakarak, tüketici düzeyindeki giyilebilir cihazların üniversite öğrencileri ve tedavi gören hastalar dahil olmak üzere daha yüksek depresif belirti düzeyine sahip kişileri tespit edip edemeyeceğini incelediler.

İki grup, tek ortak cihaz

Bu fikri test etmek için ekip, hepsi aynı Garmin bilekliği iki hafta boyunca takan oldukça farklı iki grubun verilerini birleştirdi. Bir grup Hollanda’daki üniversite öğrencilerinden oluşuyordu; bunların çoğu ruh sağlığı nedeniyle tedavi görmüyordu. Diğer grup ise Almanya’daki bir üniversite kliniğinden geliyordu; burada hastalar tanımlanmış depresyon için terapi alıyordu. Herkes aynı zamanda kısa bir ruh hali anketini doldurdu ve araştırmacılar puanları katılımcıları “depresyon için tarama pozitif” veya “tarama pozitif değil” olarak ayırmak için kullandı. Bu düzenleme, giyilebilir cihaz sinyallerinin hem günlük hem de klinik ortamlarda daha yüksek ve daha düşük belirti düzeyine sahip kişileri ayırıp ayıramayacağını görmelerine olanak tanıdı.

Günlük ritimleri sinyallere dönüştürmek

Bileklikler, birçok fitness takip cihazının ölçtüğü temel özellikleri kaydetti: insanların her gün kaç adım attıkları, ne kadar uyudukları, ne zaman yatıp ne zaman kalktıkları ve uyanıkken ile uyurken kalp atış hızlarının nasıl davrandığı. Ekip tek tek günlere odaklanmak yerine, kişi başına iki haftalık veriyi özetledi; yalnızca ortalamaları değil, bu desenlerin günden güne ne kadar değiştiğini de yakaladılar. Ardından çok sayıda ilişkili öngörücüyle aynı anda başa çıkmak için sıklıkla makine öğrenmesinde uygulanan bir istatistiksel model türünü kullanarak bu özelliklerin karışımının kimlerin daha yüksek depresyon şiddeti için tarama pozitif olduğunu doğru sınıflandırıp sınıflandıramayacağını test ettiler.

Giyilebilirler neyi ortaya koydu

Toplam 282 katılımcı üzerinden model iyi performans gösterdi: ayrılmış test verisinde daha yüksek ile daha düşük belirti gruplarını yaklaşık beş kişiden dördünde doğru ayırdı. Üç tür sinyal öne çıktı. Daha düzensiz uyku—geceleri uyku süresinin daha büyük dalgalanmaları—daha yüksek belirti grubuna girme olasılığını artırdı. En aktif günlerinde daha düşük tepe adım sayısına ulaşan kişiler de daha şiddetli belirtiler gösterme eğilimindeydi; bu, depresyon ile azalan fiziksel aktivite arasındaki önceki çalışmaları yansıtıyor. Son olarak, gündüz en düşük kalp atış hızı özellikle düşük olan bireyler daha yüksek belirti grubunda olma eğilimindeydi; bu da depresyonla birlikte olabilecek bedensel uyarılma veya enerji değişikliklerine işaret ediyor olabilir.

Kiminiz olmaktan, nasıl yaşadığınıza doğru

Araştırmacılar ayrıca öngörünün ne kadarının kişinin ait olduğu grubun—öğrenci veya klinik hasta—bilinmesinden kaynaklandığını kontrol ettiler. Grup üyeliği kendi başına güçlü bir ipucu niteliğindeydi, çünkü ayaktan hasta örneği ortalamada öğrenci örneğine göre çok daha yüksek depresyon puanlarına sahipti. Yine de giyilebilir özellikler, zaten bir kişinin grubunu bilen modellere eklendiğinde genel performansı artırdı. Başka bir deyişle, birinin nasıl uyuduğu, nasıl hareket ettiği ve kalbinin nasıl davrandığı temel arka plan faktörlerinin üstüne hâlâ bilgi kattı. Yaş, yatma saati veya ruh hali anketindeki hafif farklı eşiklere göre ayarlanan takip analizleri benzer sonuçlar gösterdi; ancak en önemli sinyaller biraz daha çok uyku zamanlaması ve dinlenme kalp hızı desenlerine kaydı.

Ümit verici, ama önemli uyarılarla

Bulgular cesaret verici olsa da yazarlar günümüz giyilebilir verilerinin kendi başına teşhis aracı olmadığını vurguluyor. Birçok katılımcı, özellikle klinik gruptakiler, cihazları yeterince veri sağlamadığı için elenmek zorunda kaldı ve nihai örneklem esasen belirgin depresyonu olan kişilerle çoğunlukla sağlıklı öğrencileri karşılaştırdı. Bu, modelin duygudurumdaki ince veya erken değişiklikleri yakalama konusunda daha az test edildiği anlamına geliyor. Gruplar arasındaki yaş, akademik stres ve diğer yaşam koşullarındaki farklar da desenleri etkilemiş olabilir. Çalışma, yaygın cihazların yakaladığı günlük ritimlerin ruh sağlığının anlamlı yönlerini yansıtabileceğini gösteriyor, ancak gerçekten güvenilir ve gerçek dünya kullanımı için daha büyük ve daha çeşitli çalışmalara ihtiyaç var.

Günlük yaşam için anlamı

Bir konu hakkında fikir sahibi olmayanlar için ana çıkarım şu: uyku düzeni, hareket ve bedenin “dinlenme hâli”ndeki değişiklikler akıllı saatlerin algılayabileceği ölçülebilir izler bırakıyor. Bu çalışmada bu tür izler, hem öğrenci hem de hasta popülasyonlarında daha yüksek depresyon belirtilerine sahip kişileri tanımlamaya yardımcı oldu. Gelecekte benzer yöntemler, desenler depresyonla ilişkilendirilenlere benzemeye başladığında bireyleri veya klinisyenleri uyaran erken uyarı sistemlerini destekleyebilir ve zamanında konuşmalar veya kontroller yönlendirebilir. Şimdilik mesaj umut verici ama temkinli: fitness takipçiniz ruh sağlığınızın ipuçlarını görmeye başlıyor, ancak henüz eğitilmiş bir profesyonelin—ya da yardım istemede kendi sesinizin—yerini alacak durumda değil.

Atıf: 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

Anahtar kelimeler: giyilebilir cihazlar, depresyon tespiti, uyku ve aktivite örüntüleri, dijital ruh sağlığı, pasif algılama