有研究结果显示，利用物联网（IoT）数据可以精细追踪用户的精神健康状态，捕捉仅靠智能手机和可穿戴设备难以发现的“生活节奏变化”，从而在早期阶段感知用户精神健康的恶化。预计这将成为今后开发个性化精神健康管理系统的基础。
KAIST表示，计算机系 Lee Uijin 教授研究团队通过家庭内物联网传感器数据，证明了可以精细追踪个人精神健康状态的可能性，并于21日对外公布了这一消息。
（照片）从左起为计算机学部博士课程学生 Lee Chanhee、计算机学部教授 Lee Euijin、计算机学部教授 Lee Hyunsoo、计算机学部博士课程学生 Ko Youngji。KAIST 提供
View original image近期，韩国国内一人家庭数量已超过800万户，占全部家庭数的36%，创历史新高。与此同时，一人家庭因“孤独（被孤立感）”等带来的精神健康恶化，正凸显为社会问题。事实上，首尔市近日公布的一项调查结果显示，当地全部一人家庭中，有62%正经历孤独等精神健康问题。
要进行精神健康管理，最重要的是持续了解自己的状态。为此，研究团队将目光投向家庭内部的环境数据。然而，现有基于智能手机和可穿戴设备的追踪方式，在用户未佩戴或未携带设备的居家环境中，存在难以获取数据的局限。
为弥补这一局限，研究团队利用了无需额外操作、可在日常活动中持续进行测量的家庭内物联网传感器。不同于以往侧重疾病诊断的研究，此次团队提出了一种新方法，使物联网用户能够在家中自主追踪并前瞻性管理日常所经历的抑郁、焦虑、压力等情绪健康状况。
研究团队还以20户青年一人家庭为对象，开展了为期4周的实证研究。实证过程中，通过安装家电设备、睡眠垫、运动传感器等，收集用户的生活数据，并将其与参与者自行报告的精神健康状态进行对比分析。
研究团队强调，结果显示，与仅使用智能手机和可穿戴设备数据相比，在模型中加入物联网数据后，对抑郁、焦虑、压力风险的预测准确度在统计上得到显著提升。
尤其是在实证过程中，睡眠时间缩短和室内温度升高与精神健康恶化呈现出明显的相关性。此外，参与者的行为模式在压力情境下表现出较大个体差异，例如有的属于在压力下增加冰箱使用次数的“暴食型”，有的则属于活动量急剧下降的“无力型”；但同时也呈现出一个共同趋势，即生活作息越不规律，精神健康越容易恶化。
这意味着，与其说特定行为的频率重要，不如说日常模式的波动性更为关键，从而提示规律生活是维持精神健康的核心要素。
研究团队还强调，完成实证的参与者在通过可视化软件查看自己的生活数据时，相比对隐私侵害的担忧，更普遍认为这些数据对理解自身精神健康具有实质性帮助。由此可以确认，本次研究的接受度和参与满意度均较高。
Lee 教授表示：“本研究是一个案例，表明家庭内物联网数据可以成为在个人生活情境中理解精神健康的重要线索。今后有望通过利用人工智能（AI）预测个人生活模式，并开发能够进行个性化指导的远程医疗系统，为此作出贡献。”
此外，本次研究在LG电子-KAIST数字医疗保健研究中心以及科学技术信息通信部的经费支持下，由韩国研究财团资助完成。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
