Fakulta elektrotechnická Katedra kybernetiky. Analýza sociobiologických rytmů

České vysoké učení technické v Praze Fakulta elektrotechnická Katedra kybernetiky DIPLOMOVÁ PRÁCE Analýza sociobiologických rytmů bipolárních pacientů Autor: Vedoucí práce: Bc. Jindřich Koreš Ing. Daniel Novák, Ph.D. Praha, 2011

i

ii

Poděkování Rád bych poděkoval vedoucímu bakalářské práce Ing. Danielu Novákovi, Ph.D. za jeho četné a užitečné rady, připomínky a pečlivou kontrolu textu i software. Moje poděkování patří i Ing. Jiřímu Mistrovi za jeho cenné rady. iii

iv

Abstrakt Tato diplomová práce se zabývá studiem bipolární poruchy, se zaměřením na pohybovou aktivitu bipolárních pacientů. Data byla získána od pěti pacientů, pro zpracování se vzhledem k výpadkům a délce monitorovaného období hodili pouze dva z nich. Práce představuje dvě nové nové metody pro analýzu aktigrafických dat a také se věnuje predikci nadcházejícího relapsu deprese. Spánkový parametr celkový čas s pohybem a parametry délka NAP oblastí a celkový čas bez pohybu + délka NAP oblastí (před depresemi a mimo ně) vykazují u pac. č. 6 signifikanci. Frekveční analýza u pacienta č. 6 poukazuje na periody vyskytující se pouze v depresivních týdnech. Predikce pomocí rozhodovacích stromů se nejevila jako úspěšná. Abstract This thesis deals with the study of bipolar disorder, with the aim of analysing patients motion activity. Data were obtained from five patients. Due to the short monitoring period and to the measurement failures, only two of the patients were considered for further analysis. The thesis introduces two new methods for the Actigraphic Data Analysis, and is also aimed at prediction of the on-coming depression relapse. The sleep parameter Number of Minutes with Motion, and the parameters NAP Length and Number of Minutes without Motion + NAP Length (prior to depressions and outside of them) show statistical significance in case of patient No. 6. The frequency analysis in patient No. 6 shows certain periods, which occur only during the weeks classified as depression weeks. The prediction with the decision trees did not deliver promising results. v

vi

vii

viii

Obsah Seznam obrázků Seznam tabulek xi xii 1 Úvod 1 2 Bipolární porucha 3 2.1 Definice bipolární poruchy.......................... 3 2.2 Symptomy................................... 3 2.2.1 Mánie................................. 3 2.2.2 Deprese................................ 4 2.3 Rozdělení bipolárních poruchy........................ 5 2.4 Příčiny vzniku................................. 5 2.4.1 Genetický původ........................... 6 2.4.2 Externí podněty a životní zkušenosti................ 6 2.4.3 Léky a drogy............................. 6 2.5 Léčba..................................... 6 2.5.1 Farmaka................................ 6 2.5.2 Psychologické terapie......................... 7 2.5.3 Fototerapie.............................. 8 2.5.4 Elektrokonvulzivní terapie...................... 8 2.5.5 Hospitalizace............................. 9 3 Zpracovávaná data 11 3.1 Data získaná od pacienta........................... 11 3.1.1 Dotazníky............................... 11 3.1.2 Depresivní a manické epizody, hospitalizace............ 13 3.1.3 Aktigrafická data........................... 14 ix

3.2 Medicínský portál............................... 17 4 Metodika 19 4.1 Analýza v časové oblasti........................... 19 4.1.1 Detekce spánku............................ 19 4.1.2 Aktigrafické parametry........................ 21 4.1.2.1 Spánková oblast...................... 21 4.1.2.2 Oblast mezi hranicemi spánku (denní oblast)...... 27 4.1.3 Dotazníky............................... 28 4.2 Frekvenční analýza.............................. 29 4.2.1 Aktigrafický záznam......................... 29 4.2.2 Dotazníky............................... 30 4.2.3 Problémy výpadků.......................... 30 5 Predikce relapsu 33 5.1 Metoda týdenních oken............................ 33 5.1.1 Porovnání parametrů......................... 34 5.1.1.1 Vizualizace matic...................... 34 5.1.1.2 Box Plot.......................... 36 5.1.2 Rozhodovací stromy......................... 37 5.1.2.1 J48.............................. 37 5.1.2.2 Alternating Decision Tree................. 39 5.2 Spektrální analýza.............................. 39 6 Závěr 41 Literatura 45 A Obsah přiloženého CD B Vizualizace oken spánkových parametrů C Dotazník HRSD D Dotazník YMRS E Popis datového souboru AWD I III XI XVII XXI x

Seznam obrázků 2.1 Grafické znázornění epizod bipolární poruchy................ 4 2.2 Zapojení elektrod při ECT (převzato z [1])................. 8 3.1 Aktigrafické zařízení Actiwatch II od firmy Philips (převzato z [2]).... 14 3.2 Aktigrafická data pacienta č. 1........................ 16 3.3 Aktigrafická data pacienta č.1 s náhledem na pětidenní okno....... 16 3.4 Aktigrafická data pacienta č.6........................ 17 4.1 Porovnání aktigramu před (a) a po filtraci (b)............... 20 4.2 Celková doba spánku během celého monitorovaného období pacienta č. 1 22 4.3 Celková doba bdění pacienta č. 6 (vybraná oblast)............. 23 4.4 Účinnost spánku pacienta č. 6 (vybraná oblast).............. 24 4.5 Počet bezpohybových segmentů kratších než 1 min. u pac. č. 1...... 26 4.6 Časy usnutí a probuzení pacienta č. 6.................... 27 4.7 Medián z týdenního měření č. 1....................... 28 4.8 Odpovědi pacienta č. 1 na otázku č. 4.................... 29 4.9 Spektrum celkové pohybové aktivity pacienta č. 1............. 30 4.10 Spektrum celkové pohybové aktivity pacienta č. 6............. 31 4.11 Porovnání aktigramu před (a) a po korekci (b)............... 31 5.1 Histogramy týdenních oken vybraných parametrů - pac. č. 1....... 34 5.2 Histogramy týdenních oken vybraných parametrů - pac. č. 6....... 35 5.3 Počet minut s pohybem (pac. č. 1)..................... 35 5.4 Box Plot - pac. č. 1.............................. 36 5.5 Box Plot - pac. č. 6.............................. 37 5.6 Rozhodovací strom J48 u pacienta č. 6................... 38 5.7 Porovnání spektra týden před depresí a týdne bez deprese (pac. č. 1).. 40 5.8 Porovnání spektra týden před depresí a týdne bez deprese (pac. č. 6).. 40 xi

B.1 Celkový čas bez pohybu + délka NAP oblastí (pac. č. 1)......... III B.2 Celková doba spánku (pac. č. 1)....................... IV B.3 Celkový čas probuzení (pac. č. 1)...................... IV B.4 Počet probuzení (pac. č. 1).......................... IV B.5 Celkový čas bez pohybu (pac. č. 1)..................... V B.6 Počet fází bez pohybu (pac. č. 1)...................... V B.7 Suma pohybové aktivity v průběhu spánku (pac. č. 1)........... V B.8 Počet minut s pohybem (pac. č. 1)..................... VI B.9 Celkový čas bez pohybu + délka NAP oblastí (pac. č. 6)......... VI B.10 Celková doba spánku (pac. č. 6)....................... VII B.11 Celkový čas probuzení (pac. č. 6)...................... VII B.12 Počet probuzení (pac. č. 6).......................... VIII B.13 Celkový čas bez pohybu (pac. č. 6)..................... VIII B.14 Počet fází bez pohybu (pac. č. 6)...................... IX B.15 Suma pohybové aktivity v průběhu spánku (pac. č. 6)........... IX B.16 Počet minut s pohybem (pac. č. 6)..................... X xii

Seznam tabulek 3.1 Otázky použité v dotazníku......................... 12 3.2 Přehled monitorovaných období pro subjektivní data........... 13 3.3 Přehled významných událostí během monitorování pacienta č. 1..... 13 3.4 Přehled významných událostí během monitorování pacienta č. 6..... 14 3.5 Informace o objektivní části dat testovaného souboru pacientů...... 15 4.1 Okna použitá při automatické detekci spánku............... 20 5.1 Ilustrace konfuzní matice algoritmu J48 (pac. č. 1)............. 38 5.2 Ilustrace konfuzní matice algoritmu J48 (pac. č. 6)............. 38 5.3 Ilustrace matice záměn algoritmu ADTree (pac. č. 1)........... 39 5.4 Ilustrace matice záměn algoritmu ADTree (pac. č. 6)........... 39 C.1 Vyhodnocení dotazníku HRSD dle skóre...................... XVI xiii

xiv

Kapitola 1 Úvod Bipolární porucha je psychické onemocnění, které je diagnostikováno zhruba u 1% populace. V současné době neexistují žádné léčebné postupy, které by dokázaly trvale bipolárního pacienta vyléčit. Původce onemocnění není znám, předpokládají se však určité genové predispozice. I přesto, že za pomoci farmak a terapií jsou bipolárním pacientům léčeny pouze symptomy, tito lidé mohou žít plnohodnotný život. Samotná choroba se u postižených projevuje kolísáním nálad mezi dvěma hranicemi; mezi mánií a depresí. Na jedné straně stojí pocity bezmezného štěstí, spokojenosti a radosti, na straně druhé pak pocity absolutní beznaděje, neschopnosti a podrážděnost. Obě spojují i poruchy spánku - at již nadměrná spavost či nespavost. Depresivní fáze bývají u pacientů velmi nebezpečné a často vrcholí sebevražednými pokusy. Každý bipolární pacient navštěvuje svého psychiatra na pravidelných vizitách. Lékař ze svých zkušeností a na základě dotazníků může rozpoznat blížící se depresi či mánii. Dle svého nejlepšího vědomí a svědomí předepisuje svému pacientu medikamenty tak, aby se jeho nálada stabilizovala na normální úrovni a nedošlo k prohloubení nastupující epizody. Pokud však není relaps včas rozpoznán a utlumen léky, pacient se může dostat do svízelné situace, být hospitalizován na několik dní či měsíců, nebo v nejhorším případě ukončit svůj život. Tato diplomová práce je součástí projektu, jehož hlavním cílem je včas predikovat relaps bipolární poruchy. Výzkumu se účastnilo 5 dobrovolníků, z nichž do dnešních dní spolupracuje pouze jediný. Zkoumaní jedinci byli monitorováni aktigrafickým přístrojem, který poskytl data o jejich pohybové aktivitě. Jelikož je aktigraf podobný náramkovým hodinkám, nebyl pro ně problém přístroj nosit 24 hodin denně. Pacienti každý týden rovněž zasílali odpovědi na 18 otázek týkajících se jejich psychické kondice a vnímání okolního světa. Z lékařského pracoviště byla také dodána data jednotlivých depresivních 1

a manických epizod a hospitalizací. Při analýze naměřených dat jsme se nejprve soustředili na extrakci vhodných příznaků a následně jsme se zaměřili na jejich porovnání napříč různými časovými obdobími. Tato práce je členěna do kapitol s důrazem na prvotní porozumění problematice. V druhé kapitole se tedy čtenář seznámí s bipolární poruchou a jejími druhy, pravděpodobnými původci choroby, symptomy a dostupnou léčbou. Třetí kapitola je věnována podrobnému popisu zpracovávaných dat; jak objektivních, tak subjektivních. Čtvrtá kapitola detailně popisuje metodiku analýzy šablon sociobiologických rytmů námi monitorovaných bipolárních pacientů. Kapitola pátá se zabývá predikcí depresivního relapsu z naměřených dat, se zaměřením na data aktigrafická. Závěrečná kapitola shrnuje dosažené výsledky a obsahuje doporučení, kterým směrem by se měly orientovat další práce. 2

Kapitola 2 Bipolární porucha 2.1 Definice bipolární poruchy Bipolární porucha, někdy též nazývaná maniodepresivní psychóza, je psychické onemocnění patřící do skupiny afektivních poruch. Postižení touto chorobou se vyznačují atypickými změnami nálad i mentálních funkcí, které mohou omezit jejich každodenní činnosti, či je přímo ohrozit na životě. V současné době neexistuje žádná léčba, která by dokázala postiženého plně vyléčit [3]. 2.2 Symptomy Onemocnění se projevuje střídáním manických a depresivních fází, které se mohou u některých jedinců dostavit jen jedenkrát za život, u některých postižených i několikrát během jediného dne. Stav mezi jednotlivými epizodami, kdy je pacient prakticky zdráv, se označuje jako remise. Kromě mánie a deprese může pacient procházet stavy označovanými jako hypománie a mírná deprese. Během těchto fází jsou níže uvedené symptomy mírnějšího charakteru a nemocný na sobě nemusí nic pocítit. Během hypomanické epizody může být dokonce např. více produktivní v práci. Celou škálu fází ilustruje diagram na obrázku 2.1. 2.2.1 Mánie Jedinec prožívající manickou fázi se pro své okolí jeví jako extrémně neklidný. Jeho nálada prochází stavy od absolutního štěstí po podrážděnost. Má sklon vykonávat činnosti pro něj příjemné, u kterých lze ale očekávat negativní následky; jako například utrácení 3

Obrázek 2.1: Grafické znázornění epizod bipolární poruchy velkých finančních částek. Není s to se plně soustředit na jeden konkrétní úkon, jeho myšlenky se rychle přenášejí na další, někdy i naprosto irelevantní externí podněty. Při těžké fázi myslí velmi rychle a mluví nesrozumitelně- nedokáže souvisle dokončit větu. Nemocný má tendenci fixovat se na určité cíle, je velmi podnikavý a plný energie - ale povětšinou neproduktivně. Vykazuje i sníženou potřebu spánku a projevuje známky odpočinutí již po několika prospaných hodinách. Často mívá zkreslené představy o svých vlastních schopnostech a světě okolo něj. Jsou popsané i případy halucinací. V sexuálním životě jedná často velmi impulsivně a je promiskuitní. 2.2.2 Deprese Pojem deprese je často laickou veřejností nesprávně používán v souvislosti se špatnou náladou vyvolanou určitým podnětem: např. ztrátou blízké osoby či pracovním neúspěchem. Depresivní fáze u osob trpících bipolární poruchou je ale vyvolána bez jakéhokoliv podnětu a může trvat i několik týdnů. Depresivní jednotlivci trpí úzkostmi a pocity prázdnoty, spojené s velmi špatnou náladou. Typické symptomy nejlépe ukazuje následující seznam: Přetrvávající nezvykle smutná nebo úzkostná nálada či pocit prázdnoty. Pocity beznaděje a pesimismus. Pocity viny, neschopnosti a bezmoci. 4

Ztráta zájmu o předtím oblíbené aktivity. Snížená energie, pocit únavy a zpomalení. Poruchy soustředění, paměti, rozhodování. Neklid a podrážděnost. Nadměrná spavost nebo naopak nespavost. Změny chuti k jídlu, hubnutí nebo naopak přibývání na váze. Chronické bolesti nebo přetrvávající tělesné příznaky, které však nejsou způsobeny tělesným onemocněním nebo poraněním. Myšlenky na smrt nebo sebevraždu, sebevražedné pokusy. 2.3 Rozdělení bipolárních poruchy Bipolární porucha se rozděluje podle projevů do 3 skupin: 1. Bipolární porucha I Jedna nebo více manických epizod. Pro diagnózu není vyžadována žádná deprese, ale i ta může nastat. 2. Bipolární porucha II - Bez výskytu manických epizod, mohou se však vyskytovat hypománie. Důležité pro tuto diagnózu je jedna či více silných depresivních epizod. 3. Cyklotymie - Pravidelný výskyt lehčích depresí a hypománií. Jedná se o nejlehčí formu bipolární poruchy. 2.4 Příčiny vzniku Původce bipolární poruchy není do dnešní doby plně znám. Existuje však řada prací, které studiem příčin vzniku poruchy zabývaly. Choroba se vyskytuje napříč celým spektrem ras a pohlaví bez ohledu na věk. Bipolární poruchou trpí 1% z celé populace [4]. 5

2.4.1 Genetický původ Předpokládá se, že lidé trpící touto chorobou mají pro její propuknutí jisté genetické predispozice. Dle [5], děti jedinců s bipolární poruchou jsou čtyřikrát až šestkrát náchylnější ktomu,žeseunichtatochorobatakévyvine-vporovnánísjejichvrstevníky. Teoriigenetického původu bipolární poruchy podporuje například studie [6], která ukázala, že pokud jedno z jednovaječných dvojčat trpí bipolární poruchou, u druhého je pravděpodobnost výskytu vysokých 40 procent. 2.4.2 Externí podněty a životní zkušenosti Bipolární porucha může být vyvolána také některým ze silně emotivně působících podnětů. At už se jedná o podněty kladné; jako např. vstoupení do manželského svazku, narození dítěte, apod. Nebo podněty negativní, mezi kterými mohou figurovat události jako ztráta zaměstnání, nečekaná změna bydliště, či ztráta blízké osoby. Zajímavé je také rozložení pravděpodobnosti výskytu manických a depresivních epizod v čase. Manická fáze se dostavuje nejčastěji v letních měsících, naproti tomu depresivní fáze jsou zaznamenány nejčastěji na podzim, v zimě a na jaře. 2.4.3 Léky a drogy Jsou popsány i případy, kdy bipolární porucha byla diagnostikována po delším využití určitých druhů farmak či drog. Nejčastěji jsou v této souvislosti zmiňována antidepresiva (viz 2.5.1). 2.5 Léčba Jak bylo naznačeno, v současné době neexistují žádné lékařské postupy, které by dokázaly bipolární poruchu vyléčit. Léčba se tedy nezaměřuje na zdroj choroby jako takové, ale pouze a jen na potlačení jejich symptomů. Jelikož následky depresivních epizod mohou být pro pacienta naprosto fatální, je dotyčný pod trvalým lékařským dohledem. Samotnou léčbu lze rozdělit do několika kategorií. 2.5.1 Farmaka Primárním úkolem léku je zabránit extrémním změnám nálad. K tomu se používají stabilizátory nálady. Tyto medikamenty se užívají pravidelně po delší časové období. Jako his- 6

toricky prvním lékem, určeným pro léčbu mánie a prevenci opakujících se manických a depresivních epizod, byl v roce 1979 schválen Lithobid [7]. Toto farmakum, jehož účinnou látkou je Lithium, je v různých variacích používáno dodnes. V současné době se jako stabilizátory nálady používají také některá antikonvulziva 1, jako např. Lamotrigine (Lamictal). Další skupinou používaných medikamentů tvoří antidepresiva. Ta se užívají ke zmírnění symptomů deprese. Často jsou indikovány současně se stabilizátory nálady, protože samotné užívání antidepresiv zvyšuje riziko, že se u pacienta objeví mánie, hypománie či smíšené epizody [8]. K léčbě bipolární poruchy se dále využívají antipsychotika 2. Jako příklad lze uvést Quetiapine (Seroquel). 2.5.2 Psychologické terapie Společně s medikamenty, psychologická terepaie může být velice efektivním způsobem léčby bipolární poruchy [9]. Terapie přispívají ke zvýšení stability nálady a snížení počtu hospitalizací. Každému pacientovi je vytvořen program a intenzita jednotlivých sezení, které odpovídají jeho potřebám a průběhu choroby, kterou trpí. Mezi nejčastěji používané terapie patří následující: 1. Kognitivní behaviorální léčba pomáhá lidem s bipolární poruchou naučit se měnit negativní myšlenkové pochody a chování pozitivním směrem. 2. Rodinná terapie zahrnuje i členy rodiny postiženého. Všichni dohromady se zde učí jakým způsobem včas rozeznat nastupující depresivní či manickou fázi. Tato terapie také pomáhá vylepšovat komunikaci a řešení problémů mezi nemocným a jeho nejbližšími. Jak bylo psáno v kapitole 2.4.2, hádka či náhlé rozrušení může vést k aktivaci jedné z epizod. 3. Psychoedukce dává pacientům s bipolární poruchou informace o podstatě nemoci a její léčbě, jak včas rozpoznat příznaky návratu onemocnění atd. 1 Látky proti křečím centrálního původu. 2 K léčbě bipolární poruchy se převážně využívá atypických antipsychotik, které mají nižší nežádoucí účinky. 7

2.5.3 Fototerapie Fototerapie je jedna z nejnovějších metod léčby deprese, velmi populární v posledních letech [10]. Tato nenásilná forma léčby spočívá v tom, že je pacient vystavován jasnému (uměle vytvořenému) světlu po dobu několika desítek minut. Použití jasného světla, zvláště po probuzení, by mělo ukončit vylučování melatoninu 3 v mozku a tím dojít k pozitivní změně nálady. 2.5.4 Elektrokonvulzivní terapie U pacientů kteří nereagují na léčbu farmaky či terapií se může uplatit elektrokonvulzivní terapie (ECT). Tato terapie je známá také jako elektrošoky a je stále v psychiatrii považována za kontroverzní [1]. Metoda je založena na průchodu impulsu elektrického proudu mozkem pacienta, který je po dobu zákroku v celkové anestezii. V praxi se používají dvě zapojení elektrod - bilaterální a unilaterální. Při prvním (a) (b) Obrázek 2.2: Zapojení elektrod při ECT (převzato z [1]) jmenovaném způsobu jsou elektrody přikládány na oba spánky, při unilaterálním zapojení je první elektroda přiložena na spánek nedominantní hemisféry a druhá pak opět na nedominantní stranu, ale blízko vertexu. Obrázky 2.2(a) a 2.2(b) ilustrují bipolární a unipolární zapojení. Bohužel, nezanedbatelné jsou vedlejší účinky ECT. Dle [11] ve většině případů však odezní rychle a nezanechávají trvalé následky. Mezi nežádoucí účinky ECT řadíme: 3 Hormon produkovaný epifýzou; jeho hladina je nejvyšší v noci. 8

Poruchy paměti, kdy pacienti ihned po záchvatu zažívají stav dezorientace, zhoršení pozornosti a paměti (poruchy pozornosti, antegrádní a retrográdní amnézie). Bolesti hlavy, svalů. Nevolnost, zvracení. S přihlédnutím na vedlejší účinky je proto ECT indikována pouze osobám, které vyhovují následujícím podmínkám: 1. Pacienti, u kterých je léčba nezbytná s ohledem na jejich aktuální zdravotní stav a při neprovedení by hrozilo zhoršení. 2. Jedinci, u kterých je ECT nižším rizikem, než použití farmak (např. gravidní ženy). 3. V případech prokazetelných pozitivních výsledků ECT z minulosti. 2.5.5 Hospitalizace Pokud pacient prochází těžkou depresivní či manickou fází, jeho ošetřující lékář může rozhodnout o hospitalizaci. Postižený je v nemocnici pod neustálým dohledem personálu, který se volbou vhodných medikamentů snaží uvést pacientovu náladu opět do normálního stavu. Hospitalizace je indikována i jedincům, kteří mají sklony k suicidním myšlenkám. Délka pobytu v nemocničním zařízení se různí - od řádově dnů až po několik měsíců. 9

10

Kapitola 3 Zpracovávaná data Jedním z cílů této práce bylo detekovat relaps bipolární poruchy. Bylo k tomu využito dat, která pocházejí z Psychiatrické kliniky 3. lékařské fakulty UK. Celkem se jednalo o soubor čítající 5 jedinců, u kterých byla diagnostikována bipolární porucha. Data jsou reprezentována dvěma složkami; objektivní a subjektivní. Každá složka byla sbírána s různou intenzitou a bohužel, i s různou pravidelností a pečlivostí. K analýze sociobiologických rytmů se, vzhledem k výpadkům a délce zpracovávaného období, hodili pouze dva pacienti. U nich byla data víceméně kompletní a ve sledovaném období byla registrována alespoň jedna depresivní epizoda. Objektivní i subjektivní část dat je podrobněji popsána v kapitolách 3.1.1, 3.1.2 a 3.1.3. 3.1 Data získaná od pacienta 3.1.1 Dotazníky Metoda, při níž bipolární pacient odpovídá na otázky související s jeho aktuální náladou a kondicí, byla poprvé představena v roce 1960 [12]. Osoba, která je dotazována, má možnost odpovídat pouze z vybraných možností. Každé možné odpovědi je přiřazeno určité skóre, typicky v rozsahu 0-4 či 0-2. Po součtu dosaženého skóre získá lékař přehled, jakou jeho pacient právě prožívá fázi deprese (přehled dle dosaženého skóre je v tabulce C.1). Metoda je pojmenována podle svého autora - Hamilton Rating Scale for Depression (HRSD). Již ve své první publikaci metoda obsahovala 17 otázek, které se v průběhu let měnily a upravovaly (dotazník je součástí přílohy C) [13][14][15][16]. Další metodou, založenou na subjektivním reportování své fyzické a psychické kondice, 11

je Young Mania Rating Scale (YMRS) [17]. Tento dotazník byl původně navrhnut pro dospělé jedince, ale časem byl upraven do nynější podoby, která je zaměřena na děti a dospívající (5-17 let). Dotazník lze nalézt v příloze D. Princip metody je podobný jako u HRSD; na základě dosaženého skóre v jedenácti otázkách má ošetřující lékař přehled o závažnosti aktuální prožívané epizody (u metody YMRS konkrétně jen mánie). Dotazník použitý v této studii obsahuje sedmnáct otázek, na které každý pacient jednoutýdněodpovídalpomocísms.autoremtohotodotazníkujemudr.filipšpaňiel,ph.d. Použité otázky jsou naznačeny v tabulce 3.1. Na každou otázku mohlo být odpovězeno pomocí skóre v rozmezí 0 až 9, přičemž 0 znamená zcela nesouhlasím, 9 naopak naprosto souhlasím. Přibližně s měsíčními intervaly byla u pacientů prováděna vizita, při které Otázka č. Text 1. Cítím se jako schopný člověk 2. Opravdu se vnitřně cítím skvěle 3. Připadá mi, že se mi nikdy nic nepovede 4. Cítím se depresivní 5. Cítím se plný energie 6. Cítím se vnitřně urychlený 7. Mé myšlenky rychle utíkají 8. Cítím se nadměrně aktivní 9. Cítím se neklidný 10. Cítím se impulzivní 11. Má nálada je proměnlivá 12. Cítím jako by mě lidé chtěli dostat 13. Cítím jako by svět byl proti mně 14. Cítím se podrážděný 15. Cítím se hádavý 16. Snadno se stanu roztržitým 17. Nemohu se soustředit 18. Spím dobře Tabulka 3.1: Otázky použité v dotazníku ošetřující lékař nechal pacienta vyplnit dotazníky HRSD i YMRS. Vše bylo zaznamenáváno do tabulky, která posléze posloužila pro export dat. Pokud bylo shledáno u pacienta důvodné podezření na začínající depresi (např. pokles nálady), pacientovi bylo sděleno, 12

aby do odvolání zasílal odpovědi na dotazníkové otázky každý den. Jak ukazuje tabulka Pacient č. Počátek měření Konec měření Odesláno SMS Počet vizit 1 19.10.2006 14.10.2010 240 14 2 18.1.2007 12.4.2010 12 5 4 31.1.2007 27.6.2007 16 7 6 14.6.2007 15.11.2007 22 6 7 - - - - Tabulka 3.2: Přehled monitorovaných období pro subjektivní data 3.2, pouze u 4 z pěti pacientů byla sbírána subjektivní data. Pacienti č. 2 a č. 4 sice podstoupili pravidelné vizity, ale v zasílání týdenních SMS nebyli tolik poctiví. Pro analýzu (kapitola 4.1.3) a následnou predikci relapsů bipolární poruchy ze subjektivní části dat byl použit pouze pacient č. 1. 3.1.2 Depresivní a manické epizody, hospitalizace Každý lékař, ke kterému dochází pacient s bipolární poruchou, má přehled o jeho depresivních a manických epizodách a případných hospitalizacích. Právě datum deprese či mánie je jedním z nejcennějších vstupních parametrů pro algoritmus predikce relapsu. Pouze u dvou pacientů došlo během sledovaného období k výskytu depresivní epizody, Událost č. Deprese Hospitalizace I 4.12.2006 19.4.2007 II 22.2.2007 30.9.2007 III 2.4.2007 - IV 19.4.2007 - V 27.8.2007 - VI 30.9.2007 - VII 6.12.2007 - VIII 10.10.2008 - Tabulka 3.3: Přehled významných událostí během monitorování pacienta č. 1 oba byli alespoň v jednom případě hospitalizováni. U žádného z pacientů nedošlo ve sledovaném období k výskytu manické epizody. 13

Tabulky 3.3 a 3.4 ukazují významná data během sledování pacienta č. 1 a pacienta č. 6. Událost č. Deprese Hospitalizace I 23.7.2007 26.7.2006 II 16.9.2007 - III 15.11.2007 - Tabulka 3.4: Přehled významných událostí během monitorování pacienta č. 6 3.1.3 Aktigrafická data Objektivní složka dat byla získávána pomocí aktigrafie. Tato neinvazivní metoda je založena na principu monitorování pohybové aktivity pacienta, která je poté vyhodnocována. Použití aktigrafie ve spojení s bipolární poruchou se v minulosti zabývaly také některé studie [18] [19] [20]. Převážně je aktigraf používám v souvislosti s poruchami spánku [21] [22]. V naší studii je aktigrafický záznam využíván k extrakci příznaků, na jejichž základě by bylo možné předpovídat nadcházející deprese. V kapitole 4.1.2 je o jednotlivých příznacích diskutováno podrobněji. Obrázek 3.1: Aktigrafické zařízení Actiwatch II od firmy Philips (převzato z [2]) Samotný aktigraf je zařízení, které obsahuje akcelerometrický senzor a I/O port sloužící pro komunikaci s počítačem. Vše je zapouzdřeno do náramku, který pacientovi umožňuje nosit zařízení nepřetržitě ve dne i v noci (obrázek 3.1). Vzorkovací perioda je variabilní; od 15 sekund do 2 minut. 14

V době psaní této práce bylo také pro snímání pohybové aktivity testováno využití mobilního telefonu. Konkrétně se jednalo o model HTC Tattoo s operačním systémem Android 1.6, který disponuje akcelerometrem. Data lze sbírat se vzorkovací frekvencí až 25 Hz. Z důvodu snížení velikosti výstupního souboru je v současné chvíli z každých 10 sekund záznamu nalezeno maximum, které je následně zapsáno na výstup. Jelikož pamět náramkového aktigrafu je schopna pojmout jen omezené množství dat (v závislosti na vzorkovací frekvenci a konkrétním modelu), naměřené hodnoty byly na pravidelných vizitách stahovány do počítače, kde byly následně exportovány do souboru (ukázka datového souboru AWD je v příloze E). Poté byl soubor předán k předzpracování a konečně připojen k datům sebraným v předešlých měsících. Pohybová aktivita námi sledovaných pacientů byla vzorkována s periodou 30 nebo 120 sekund. Pacient č. Začátek měření Konec měření Vz. perioda Celkem záznamů 1 6.11.2006 23.8.2009 120 s 733 630 2 18.1.2007 07.5.2007 120 s 78 692 4 24.1.2007 16.7.2007 30 s 496 426 6 31.5.2007 17.8.2008 30 s 1 279 771 7 17.10.2007 2.3.2008 30 s 393 660 Tabulka 3.5: Informace o objektivní části dat testovaného souboru pacientů Tabulka 3.5 ukazuje základní informace o souboru dat, který byl zpracováván. I přesto, že délka odměru odpovídá době, kdy byl pacient monitorován, u žádného jedince nejsou data kompletní. Každý výpadek velmi znepříjemnil následnou analýzu. Výpadky měření lze rozdělit do dvou kategorií: 1. Výpadek v důsledku vypnutí přístroje. Pokud se přístroji vybíjí baterie či je obsluhou vypnut, následné zapnutí do měřícího módu má za následek deformaci časové osy. V případě, že nedojde ze strany pacienta či lékaře k zaznamenání takovéhoto výpadku, je celé měření zkresleno. 2. Nulová pohybová aktivita. Tento nejčastější typ výpadku je způsoben tím, že aktigraf není pacientem používán; zařízení tak leží např. na stole a akcelerometrický senzor měří konstantní nulové zrychlení. Na obrázku 3.2 jsou vykreslena aktigrafická data pacienta č. 1, která byla k dispozici od samého počátku měření až do doby psaní této práce. Obrázek také ilustruje depresivní 15

18000 16000 14000 Neupraveny aktigram vcetne depresi a hospitalizaci Odpoved Deprese Hospitalizace 12000 Amplituda [ ] 10000 8000 6000 4000 2000 0 07.11.06 27.03.07 14.08.07 01.01.08 20.05.08 07.10.08 25.02.09 15.07.09 Datum Obrázek 3.2: Aktigrafická data pacienta č. 1 epizody i hospitalizace. Dále je patrná nekonzistentnost dat; v poslední čtvrtině došlo k téměř tříměsíčnímu výpadku druhého typu. Na obrázku 3.3 je naznačeno náhodně vybrané pětidenní okno stejného pacienta. Lze si povšimnout oblastí s nižší pohybovou aktivitou, která bude později klasifikována jako spánek. 5500 Aktigram v pohledu na petidenni okno Amplituda [ ] 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 10.09. 11.09. 12.09. 13.09. 14.09. 15.09. Datum Obrázek 3.3: Aktigrafická data pacienta č.1 s náhledem na pětidenní okno 16

Obrázek 3.4 ukazuje data naměřená pacientem č. 6. Data obsahovala pouze 3 několikadenní výpadky typu 2. Jelikož data pacienta č. 6 a pacienta č. 1 byla nejkvalitnější 4000 3500 Neupraveny aktigram vcetne depresi a hospitalizaci Aktigram Deprese Hospitalizace 3000 Amplituda [ ] 2500 2000 1500 1000 500 0 23.06 31.07 07.09 15.10 22.11 30.12 06.02 15.03 22.04 30.05 07.07 14.08 Datum Obrázek 3.4: Aktigrafická data pacienta č.6 z celého souboru, tito dva pacienti byli také dále vybráni pro kalkulaci a analýzu příznaků. Taktéž predikce relapsů z aktigrafických dat (kapitola 5) byla prováděna pouze u těchto dvou. 3.2 Medicínský portál Autorem webového medicínského portálu je Ing. Jan Paděra, který jej vytvořil v rámci své diplomové práce[23]. Autorem nápadu rozšířit již existující portál ITAREPS(Information Technology Aided Relaps Prevent in Schizophrenia [24]) také pro bipolární pacienty je MUDr. Filip Španiel, Ph.D. Projekt je primárně zaměřen na predikci relapsu bipolární poruchy. Portál je určen ke shromažd ování objektivních i subjektivních dat, na základě kterých může dokázat předpovídat blížící se manickou či depresivní epizodu. Dále je zde možnost nastavení různých druhů upozornění lékaře (např. pokud skóre u určitých otázek přesáhne stanovenou hodnotu), zadávání informací o medikamentech, hospitalizacích, prodělaných epizodách, aj. Poznatky zjištěné v této práci budou později s největší pravděpodobností do portálu implementovány. 17

18

Kapitola 4 Metodika Prvním a nejdůležitějším krokem při zpracování aktigrafických dat je detekce spánkových oblastí (kapitola 4.1.1). Po automatické detekci je vhodné provést manuální korekce a poopravit nalezené začátky a konce spánku. Dalším krokem je extrakce spánkových příznaků z časové oblasti aktigramu (popsáno v kapitole 4.1.2). Po extrakci je k dispozici více jak deset příznaků, které poslouží k dalšímu zkoumání. Analýza ve frekvenční oblasti, která je rozebrána v kapitole 4.2, je zaměřena jak na rozbor spektra samotného aktigrafického záznamu, tak i vypočtených parametrů. V další sekci je také diskutován problém výpadků měření a jejich vliv na frekvenční analýzu. 4.1 Analýza v časové oblasti Jak bylo uvedeno v předchozí kapitole, z důvodu nekomplexnosti naměřených objektivních dat u všech pacientů, podrobnější analýza byla zaměřena pouze na dva z monitorovaných pacientů. Bohužel, ani u zbylých dvou jedinců nebylo ve všech případech možné korektně detekovat spánkové oblasti. Velmi neklidný spánek mohl být zaměněn za pohyb a naopak. To dále ovlivňovalo výpočty. 4.1.1 Detekce spánku V této práci bylo k detekci spánkových oblastí využíváno algoritmu, který v rámci své bakalářské práce navrhli Ing. Jan Poupě a Ing. Kateřina Sedláčková [25] [26]. Algoritmus však vykazoval jisté nedostatky, zvláště při dlouhodobějších výpadcích, byl proto opti- 19

malizován pro nová data. Snížila se tak výpočetní náročnost, zvýšila se rychlost i počet správně detekovaných spánkových oblastí. Algoritmus detekce spánkových oblastí má dvě hlavní části: 1. Vyhledání poteciálních počátků oblastí spánku, selekce a stanovení definitivních počátků. 2. Vyhledání příslušných konců. Dále jsou k výpočtu třeba tři tzv. okna, jejichž velikost byla stanovena empiricky s ohledem na nejlepší výsledky: Pro oba pacienty jsou velikosti oken shodné (tabulka 4.1): Pacient č. OKNO 1 OKNO 2 OKNO3 1 30 120 30 6 30 120 30 Tabulka 4.1: Okna použitá při automatické detekci spánku Jelikož není vzorkovací perioda pacienta č. 1 a pacienta č. 6 shodná, pro univerzálnost detekčního algoritmu je třeba ji unifikovat. Nejvyšší použitá vzorkovací perioda je 2 minuty, převzorkování probíhá tedy na tuto periodu. Samotné převzorkování je provedeno decimací faktorem x 1 pomocí FIR filtru. 900 Aktigram pred filtraci 350 Aktigram po filtraci 800 300 700 600 250 Amplituda [ ] 500 400 Amplituda [ ] 200 150 300 200 100 100 50 0 2.43 2.44 2.45 2.46 2.47 2.48 2.49 2.5 Vzorek [ ] x 10 5 0 2.43 2.44 2.45 2.46 2.47 2.48 2.49 2.5 Vzorek [ ] x 10 5 (a) (b) Obrázek 4.1: Porovnání aktigramu před (a) a po filtraci (b) 1 V případě 30 s je faktor 4, u jedné minuty pak 2. 20

Po případné decimaci je ze signálu odfiltrována vysokofrekveční složka. K filtraci byl použit mediánový filtr o délce 20. Pro větší vyhlazení průběhu byl následně signál zderivován, umocněn a na závěr byl opět použit mediánový filtr o délce 40. Porovnání vybraných oblastí před a po filtraci je na obrázku 4.1(a) resp. 4.1(b). Jakmile je signál odfiltrován, algoritmus pokračuje v detekci samotné. Jak bylo řečeno výše, k detekci jsou používána tzv. okna. Algoritmus prochází každý vzorek a hledá takový, jehož (OKNO 1)-1 vzorků vlevo je nenulových a OKNO 1 vzorků vpravo je nulových. Všechny vyhovující vzorky jsou uloženy do pole P, na pozici i. Dále hledáme takový prvek P, jehož následujících OKNO 2 vzorků vpravo obsahuje alespoň 75% nulových prvků. Takový nalezený prvek je počátkem spánkové oblasti. Tento postup spolehlivě nalezne začátky spánkových oblastí delších jak 6 hodin; což je limit pro dospělého jedince dostatečný. Detekce konců spánkových oblastí je obdobná. Konce spánku v jednotlivých dnech hledáme v intervalu mezi dvěma začátky oblastí. Koncem je pak první nalezený prvek, jehož OKNO 3 následujících hodnot není nulových. Pokud záznam obsahuje výpadky typu 2, nejsou v krizovém intervalu oblasti nalezeny. Je zde ale možnost manuálního dodetekování pomocí vytvořeného GUI. Jestliže nejsme úspěšní ani s manuální detekcí - např. pokud naměřené hodnoty během 24 hodin jsou téměř shodné a nedaří se nám vizuálně najít oblast spánku, pak se mohlo stát, že v takovém intervalu spánek naprosto chyběl. V takové oblasti pak nejsou nalezeny žádné okraje a konkrétnímu dni je přiřazena hodnota NaN (Not a Number). Tento krok je ale velmi kritický pro další výpočty. Příliš mnoho oblastí bez detekovaného spánku vede k tomu, že jsme nuceni, pro zachování spojitosti signálu, nahrazovat části aktigrafických parametrů mediány či průměry z předchozích dní. 4.1.2 Aktigrafické parametry 4.1.2.1 Spánková oblast Vzorce pro výpočet aktigrafických parametrů byly získány reverzním inženýrství softwaru pro analýzu naměřených dat z přístroje Actiwatch AWx od výrobce CamNtech [27]. Získané parametry spánkové oblasti byly klasifikovány do 4 tříd: 1. Spánek 2. Bdění (probuzení) 3. Pohyb 21

4. Bez pohybu Celková doba spánkové oblasti T S : Čas mezi usnutím a probuzením. Na obrázku 4.2 je vykreslena vypočtená doba spánku pro pacienta č. 1 včetně vyznačených depresivních epizod. T S = t S2 t S1 (4.1) t S1 - Čas usnutí t S2 - Čas probuzení 1100 Celkova doba spanku 1000 900 Doba spanku [min] 800 700 600 500 400 300 Doba spanku Deprese 200 07.11 05.02 06.05 04.08 02.11 31.01 30.04 29.07 28.10 26.01 26.04 25.07 Datum Obrázek 4.2: Celková doba spánku během celého monitorovaného období pacienta č. 1 Celkový čas probuzení T A : součet vzorků ve spánkovém intervalu, které obsahují pohyb. Parametr nabývá hodnoty 0, pokud byla data klasifikována jako spánek, hodnota 1 pak připadá na bdění. Algoritmus sčítá hodnotu aktuálního vzorku s hodnotami 2 sousedních převážených podle definované úrovňové váhy [25]. Obrázek 4.3 ilustruje vypočtenou dobu bdění u pacienta č. 6. { 0 : ym y ym f A (x) = data(x+ w A y) w A 1 : ym y ym data(x+ w A y) > w A T A = t S2 t=t S1 f A (data(t)) (4.2) p A = T A TS 100 22

p A - poměr času probuzení a celkové doby spánku w A - váha data - aktigrafická data 150 Celkova doba bdeni Doba bdeni Deprese Celkova doba bdeni [min] 100 50 0 15.06. 29.06. 13.07. 27.07. 10.08. 24.08. 07.09. 21.09. 05.10. 19.10. 02.11. 15.11. Datum Obrázek 4.3: Celková doba bdění pacienta č. 6 (vybraná oblast) Počet segmentů klasifikovaných jako spánek n S : Segmentem spánku rozumíme 2 sousední vzorky ve spánkovém intervalu. Segment je klasifikován jako spánkový(f ns (x) = 1), pokud spánkovému vzorku předchází vzorek bdění. Funkce klasifikuje do třídy 1, pokud je segment spánkový. f ns (x) = { 0 : ws (data(x 1)) = 0 w S (data(x)) = 1 1 : w S (data(x 1)) = 1 w S (data(x)) = 0 n S = t S2 t=t S1 f ns (data(t)) (4.3) Počet segmentů klasifikovaných jako bdění n A : Počet segmentů, které jsou po převážení klasifikovány jako bdění. Funkce klasifikuje do třídy 1, pokud je segment bdění. f na (x) = { 0 : wa (data(x 1)) = 1 w A (data(x)) = 0 1 : w A (data(x 1)) = 0 w A (data(x)) = 1 (4.4) n A = t S2 t=t S1 f na (data(t)) 23

Účinnost spánku p e f: Poměr doby spánku bez bdění a celkové doby spánku. Vizualizaci účinnosti spánku pacienta č. 6 s ohledem na data depresí lze nalézt na obrázku 4.4. p ef = T S T A T S (4.5) 100 98 96 Ucinnost spanku Ucinnost Deprese Ucinnost spanku [%] 94 92 90 88 86 84 82 80 29.06.13.07.27.07.10.08.24.08.07.09.21.09.05.10.19.10.02.11.15.11. Datum Obrázek 4.4: Účinnost spánku pacienta č. 6 (vybraná oblast) Celkový čas bez pohybu T I : Vzorek je klasifikován jako bez pohybu, právě tehdy, když jeho hodnota nepřekročí úrovňovou váhu w I. f I (x) = { 0 : x > wi 1 : x w I T I = t S2 t=t S1 f I (data(t)) (4.6) w I - úrovňová váha p I = T I T S 100 p I - zastoupení času bez pohybu v celé spánkové oblasti 24

Počet segmentů bez pohybu n I : f na (x) = { 0 : wi (data(x 1)) = 1 w I (data(x)) = 0 1 : w I (data(x 1)) = 0 w I (data(x)) = 1 (4.7) n I = t S2 t=t S1 f ni (data(t)) Počet bezpohybových segmentů kratších než jedna minuta n I1 : Počet segmentů označenýchjakoklid,kterétrvajíjednuminutuneboméně.funkcef ni1 klasifikujevtomto případě vstupní data do tří stavů. 0 znamená pohyb, stav 1 klid a -1 znamená klid trvající jednu minutu a méně. Vybraná oblast bezpohybových segmentů pacienta č. 1 je vykreslena na obrázku 4.5. f ni1 (x) = N = { 1 1 T SAMPLE : T SAMPLE < 1 1 1 : T SAMPLE 1 1 : f ni = 0 N n=1 f i (data(x n)) = N 1 : f ni = 0 N n=1 f i (data(x n)) N 0 : f ni = 1 (4.8) n I1 = t S2 t=ts1 f ni1 (data(t)) Poměr segmentů označených jako klid trvajících jednu minutu p I1 : p I1 = n I1 n I (4.9) Počet minut klasifikovaných jako pohyb T M : T M = T S T I (4.10) Součet celkové aktivity v dané oblasti S A : 25

50 45 Pocet bezpohybovych segmentù kratsich nez jedna minuta Pocet segmentu Deprese Pocet [ ] 40 35 30 25 20 15 10 5 0 05.02 06.05 04.08 02.11 31.01 30.04 29.07 28.10 26.01 26.04 25.07 Datum Obrázek 4.5: Počet bezpohybových segmentů kratších než 1 min. u pac. č. 1 S A = ts2 t=t S1 data(t) (4.11) Průměrná aktivita v dané oblasti S AM : S A = S A T S (4.12) Průměrná aktivita na počet aktivních vzorků S AP : S AP = S A T M (4.13) Fragmentace spánku I f : I f = T M T S +p I1 (4.14) 26

Časy usnutí a probuzení: Ze známého času začátku měření, vzorkovací periody a intervalu spánkové oblasti není problém extrahovat přesné časy usnutí i probuzení. Na obrázku 4.6 je pro ilustraci vykreslen vybraný úsek usnutí a probuzení pacienta č. 6. Jsou zde patrné oblasti, které nemají přiřazenu žádnou hodnotu. Jedná se o dny, u nichž jsme nebyli schopni spánek detekovat, či zde spánek naprosto chyběl. Casy usnuti a probuzeni 02:00 00:00 22:00 20:00 Hodina 18:00 16:00 14:00 Zacatek spanku Konec spanku Deprese 12:00 10:00 08:00 06:00 07.09. 21.09. 05.10. 19.10. 02.11. 16.11. 30.11. 14.12. 28.12. Datum Obrázek 4.6: Časy usnutí a probuzení pacienta č. 6 Týdenní okna: Pro věrohodnější porovnávání vypočtených spánkových atributů mezi sebou byla vytvořena metoda, která extrahuje medián z každého týdne zvoleného spánkového parametru. Jelikož ze znalosti lékařských záznamů víme, ve kterých dnech resp. týdnech došlo u pacienta k depresi, můžeme tuto znalost dále využít pro predikci relapsu (kapitola 5.1.1). MediánzesouborutýdenníchměřeníparametruT I včetnězobrazenýchdepresípacieta č. 1 je vykreslen na obrázku 4.7. 4.1.2.2 Oblast mezi hranicemi spánku (denní oblast) Následující parametry byly extrahovány z oblastí mezi počátkem a koncem spánku. Zaměřili jsme se na oblasti NAP 2 spánku. Abychom co nejvíce eliminovali riziko chybné 2 Krátký úsek spánku. Většinou vyskytující se přes den. 27

600 550 Celkovy cas bez pohybu T I Median Deprese Doba bez pohybu [ ] 500 450 400 350 06.11. 12.02. 21.05. 27.08. 03.12. 10.03. 16.06. 22.09. 29.12. 06.04. 13.07. Datum Obrázek 4.7: Medián z týdenního měření č. 1 detekce, jako NAP byly označeny takové oblasti, které splňovaly tyto prerekvizity zároveň: 1. naměřená hodnota u každého vzorku v oblasti byla menší než stanovený práh (SENS). 2. Délka oblasti byla minimálně 10 minut (NAP MIN) 3. Délka oblasti byla nejvýše 45 minut (NAP MAX) NAP - NoEachDay: Parametr indikuje počet NAP oblastí v jednom dni. Je vypočten pro každý den. NAP - Total: Součet délek všech NAP oblastí v jednom dni. Parametr je opět spočten napříč všemi dny. Týdenní okna: Stejně jako v případě spánkových parametrů, i zde u parametrů extrahovaných z mimospánkové oblasti byla vypočtena týdenní okna včetně zaznamenaných depresí. 4.1.3 Dotazníky Zpracování subjektivní části dat se věnoval Ing. Jiří Mistr ve své diplomové práci [28]. Data z dotazníků byla pro potřeby další analýzy ukládána v matici o rozměrech m n, 28

10 9 8 7 Odpoved Deprese Citim se depresivni Skore [ ] 6 5 4 3 2 1 0 22.02. 03.03.09.03.15.03.21.03.27.03. Datum Obrázek 4.8: Odpovědi pacienta č. 1 na otázku č. 4 kde m značí počet otázek, n pak jednotlivé týdny. Hodnota na pozici m,n odpovídá skóre, které bylo té které otázce pacientem přiřazeno. S využitím znalosti depresivních dnů můžeme pak vše vizualizovat (obrázek 4.8). V současné době nejsou v rámci tohoto projektu implementovány žádné postupy, které by dokázaly urychlit zpracování subjektivních dat. Po obdržení odpovědní SMS jsou jednotlivá skóre přepsána do tabulky, která je poté předána ke zpracování. Export do softwaru pro analýzu dat (v našem případě Matlab) probíhá také manuálně. S nasazením medicínského portálu do ostrého provozu by tyto dva nedostatky měly být odstraněny. 4.2 Frekvenční analýza 4.2.1 Aktigrafický záznam Relativně vysoká vzorkovací frekvence společně s délkou sledovaného období vybízela k zamyšlení, zda-li nebude možné u monitorovaných pacientů provést frekvenční analýzu. K transformaci posloupnosti N vzorků do frekvenční oblasti bylo využito Diskrétní Fourierovy transformace (DFT) dle rovnice 4.15. X k = N 1 n=0 x n e 2πi N kn k = 0,...,N 1 (4.15) 29

Po vizualizaci spekter si můžeme povšimnout patrného maxima, které odpovídá cirkadiánní periodě. Na obrázku 4.9 je vykresleno spektrum celého aktigrafického záznamu pacienta č. 1. Je zde patrná špička náležící 24 hodinám (cirkadiánní rytmus střídání dne 3.5 4 x 108 Spektrum celkove pohybove aktivity Aktigram 24 hodin 3 Amplituda [ ] 2.5 2 1.5 1 0.5 0 0 5 10 15 20 25 30 35 40 45 Perioda [Hodiny] Obrázek 4.9: Spektrum celkové pohybové aktivity pacienta č. 1 a noci). Obrázek 4.10 ukazuje frekvenční analýzu delšího časového období. Vypočtený signál spíše připomíná šum a je velmi těžké odlišit, která ze špiček je k-násobkem periody signálu, a která odpovídá samotné periodě (z definice DFT v 4.15). 4.2.2 Dotazníky Vzhledem k použité vzorkovací periodě (1 sada otázek za jeden týden), frekvenční a- nalýza subjektivních dat by neměla téměř žádnou vypovídající hodnotu. Nebyla proto prováděna. 4.2.3 Problémy výpadků Absence spánkové oblasti z důvodu výpadků byla největším problémem při zpracování dat. Narozdíl od analýzy v časové oblasti, kde se kritické oblasti nechaly nahradit průměry či mediány z různě velkých oken dat naměřených dříve, ve frekvenční oblasti tento postup nepřicházel v úvahu. Pokud bychom chybějící části nahradili takovými postupy, spektrum signálu by bylo zkresleno. 30

3.5 x 107 Spektrum celkove pohybove aktivity 3 X: 1 Y: 3.139e+007 2.5 Amplituda [ ] 2 1.5 1 0.5 0 0 10 20 30 40 50 60 Perioda [Dny] Obrázek 4.10: Spektrum celkové pohybové aktivity pacienta č. 6 Pro korekci výpadků se jako nejlepší jevilo nahrazení těchto oblastí bílým šumem 3. Díky vlastnostem tohoto druhu šumu bylo spektrum deformováno rovnoměrně a výsledné zkreslení bylo nulové. Praktická realizace byla provedena generováním náhodných čísel z intervalu 1/4 a 3/4 mediánu z předchozího měsíčního průběhu. 300 Signal pred korekci 300 Signal po korekci 250 250 200 200 Amplituda [ ] 150 Amplituda [ ] 150 100 100 50 50 0 3.44 3.46 3.48 3.5 3.52 3.54 3.56 Vzorek [ ] x 10 5 (a) 0 3.46 3.48 3.5 3.52 3.54 3.56 Vzorek [ ] x 10 5 (b) Obrázek 4.11: Porovnání aktigramu před (a) a po korekci (b) Nalézt a následně nahradit výpadky v celém průběhu nebylo příliš náročné. Pokud 3 Signál s rovnoměrnou výkonovou spektrální hustotou. 31

zařízení v daném intervalu leželo např. na stole, akcelerometrický senzor trvale zaznamenával nulové zrychlení. Stačilo nalézt větší uskupení nulových hodnot a nahradit jej bílým šumem. Pro porovnání je na obrázku 4.11(a) a 4.11(b) zobrazen průběh signálu před a po nahrazení oblastí výpadku. 32

Kapitola 5 Predikce relapsu V současné době neexistují žádná objektivní měřítka, kterými by lékaři dokázali předpovídat nadcházející epizodu deprese či mánie. Pacienti jsou plně odkázáni na zkušenosti ošetřujícího psychiatra, jeho úsudek a včasné zvýšení dávky medikamentů, které dokáží zabránit plnému nástupu objevující se depresivní či manické fáze. Spolehlivý predikční algoritmus by tak mohl být, samozřejmě stále s účastí lékaře, silným nástrojem nápomocným řadě osob. Kapitola je zaměřena především na predikci relapsu z aktigrafických dat. Předchozí dvě práce se věnovaly možnostem aplikace metod dynamic time warping (DTW) a hidden Markov model (HMM) [25] [26]. Ani v jedné z prací nebyla prokázána souvislost mezi pohybovou aktivitou a depresivní epizodou. Práce[28] byla primárně zaměřena na analýzu subjektivních dat, ale autor zmínil i predikci z frekvenční oblasti objektivních dat pacienta č. 1. Ani on však nenašel žádné souvislosti. V následujících řádcích vyzkoušíme nové metody, jako je využití týdenních oken či software Weka [29]. Zaměříme se i na pacienta č. 6, který byl v minulosti při zpracování lehce opomíjen. 5.1 Metoda týdenních oken Po extrakci spánkových parametrů byla data rozdělena na týdenní úseky. Z každého týdne byl následně spočten medián pro každý vybraný parametr. Jeden z používaných parametrů je součet dvou původních - TiNAP (Ti+NAP). Jak bylo zmíněno v předchozích kapitolách, v datech se vyskytovaly různě časté výpadky. Pokud z celého týdenního intervalu byl vypočten alespoň jeden parametr (většina dne byla bez výpadku), pak byl tento parametr použit jako medián. V opačném případě nebyl konkrétní parametr v tomto 33

týdnu uvažován. Počet takto zahozených instancí se pohyboval mezi 14 17% u pacienta č. 1, pacient č. 2 měl takových instancí do 8%. 5.1.1 Porovnání parametrů Obrázky 5.1 a 5.2 ukazují histogramy zpracovávaných parametrů po týdenních oknech pro pacienta č. 1 a pacienta č. 6. Ke každé instanci (v našem případě týdnu), byla ještě přiřazena závislá veličina Deprese, která nabývala dvou hodnot - 0 nebo 1. Pokud měla veličina hodnotu 1, pak to znamenalo, že v konkrétním týdnu došlo k depresi. Vzhledem k tomu, že depresivních epizod bylo za celou dobu snímání jen 8 (resp. 3 v případě pac. č. 6), veličina byla nastavena na hodnotu 1 i u dvou týdnů, které předcházely každé události. Tento krok nám tedy ztrojnásobil počet depresivních instancí. Lze proto očekávat objektivnější výsledky. Obrázek 5.1: Histogramy týdenních oken vybraných parametrů - pac. č. 1 5.1.1.1 Vizualizace matic Dále můžeme vizualizovat a porovnat průběhy parametrů v určitém časovém intervalu před depresí se stejně velkým intervalem parametrů mimo depresi. Sloupce tabulky přísluší depresím, řádky jednotlivým týdnům před depresí. 1. řádek náleží 4. týdnu před depresí, poslední řádek týdnu prvnímu. Barevná škála je nastavena tak, že nejvyšší dosažená hodnota z obou tabulek je vykreslena tmavě červeně, nejnižší naopak modře. Barvy ostatních 34