Bipolar lidelse er en kronisk psykisk lidelse som i perioder fører til unormalt store svingninger i en persons stemningsleie, aktivitetsnivå og energinivå. Disse svingningene kan beskrives som episoder av mani/hypomani og depresjon. Hyppigheten og varigheten til episodene varierer mellom ulike individer. Lidelsen rammer mellom én og tre prosent av befolkningen, og sykdomsbyrden er for mange svært tyngende [1]. En av hjørnestenene i behandling av bipolar lidelse er å lære seg å bli ekspert på egen sykdom, kunne identifisere tidlige tegn på en ny sykdomsepisode, og klare å sette inn tiltak for å forhindre full oppblomstring av symptomer. Faresignalene for en ny episode kan for eksempel være endringer i søvnmønster, aktivitetsnivå eller endret tempo i tanke og tale. Mange pasienter opplever likevel flere alvorlige sykdomsepisoder, siden tidlig oppdagelse er vanskelig i praksis [2].
Bipolar lidelse og sensorteknologi
Det vil kunne være til stor nytte både for pasienter, pårørende og behandlere at det utvikles et verktøy som kan varsle om faren for at en ny episode kan oppstå [3]. En rekke forskningsstudier de siste årene har benyttet smartphone-teknologi og bidratt til en forbedret forståelse av både døgnrytme, søvn- og aktivitetsmønstre ved bipolar lidelse. Studiene har samlet inn selvrapporterte data fra pasienter og/eller data fra ulike sensorer på kroppen som måler aktivitet, hjerterytme og stemmemønstre. Til tross for nye teknologiske muligheter er det hittil ikke utviklet godkjente verktøy som kan benyttes i behandling av mennesker med bipolar lidelse [4].
Stort potensiale for forskningsbasert innovasjon
Forskning har vist at bipolare sykdomsepisoder er forbundet med endring i motorisk aktivitet og forstyrrelser i døgnrytme [5]. I mitt doktorgradsprosjekt undersøker jeg hvordan endringer i fysisk aktivitet og døgnrytme endrer seg i forbindelse med sykdomsepisoder med hypomani/mani og depresjon hos personer med bipolar lidelse. Deltakerne i studien har på seg en smartklokke med et såkalt «akselerometer» som kan måle motorisk aktivitet og døgnrytme over tid. De innsamlede dataene analyseres ved hjelp av avanserte metoder og modeller fra blant annet maskinlæring [6]. Vår hypotese er at det i forkant av en ny bipolar sykdomsepisode vil være forvarsler som kan observeres i den motoriske aktiviteten.
Målet med prosjektet er å bruke resultatene fra målingene til å utvikle en app som kan registrere svingninger i en persons stemningsleie, aktivitetsnivå og energinivå, og oppdage når et visst aktivitetsnivå er passert. På denne måten kan pasienten selv, samt pårørende og behandlere, bli varslet om at en ny sykdomsepisode kan være på vei, og tiltak kan settes inn på et tidlig tidspunkt.
Doktorgradsprosjektet inngår i forskningsprosjektet INTROMAT som er finansiert av Norges forskningsråd. Prosjektet er del av forskergruppen Affektive lidelser ved NORMENT, og er et samarbeid med Institutt for informatikk ved Universitetet i Oslo.
Les mer:
- Ny norsk forskning: Armbånd avdekker depresjon (VG.no, betalingsmur)
Referanser
- Carvalho et al. Bipolar Disorder. 2020;383(1):58-66.
- Yatham et al. Canadian Network for Mood and Anxiety Treatments (CANMAT) and International Society for Bipolar Disorders (ISBD) 2018 guidelines for the management of patients with bipolar disorder. Bipolar Disorders. 2018;20(2):97-170.
- Bauer et al. Areas of uncertainties and unmet needs in bipolar disorders: clinical and research perspectives. The Lancet Psychiatry. 2018;5:930-939.
- Dunster et al. Real-time mobile monitoring of bipolar disorder: a review of evidence and future directions. Neuropsychopharmacology. 2021;46(1):197-208.
- Scott et al. Activation in bipolar disorders: A systematic review. JAMA Psychiatry. 2017;74(2):189-196.
- Jakobsen et al. Applying machine learning in motor activity time series of depressed bipolar and unipolar patients compared to healthy controls. PLOS ONE. 2020; 15(8):e0231995.