睡眠期間心率異常與神經心臟調節受損有關，這有可能提供有關抑鬱症的生理性睡眠特徵的新信息。最近一項研究顯示，一種心率分析算法有望區分抑鬱症患者和健康對照組患者在睡眠期間心率模式的差異。
渥太華皇家精神健康研究所(Royal 's Institute of Mental Health research)睡眠研究部門的MysaSaad及其同事表示，該算法是利用機器學習方法建立的模型，基於1203個多導睡眠圖，這些多導睡眠圖來自抑鬱症患者或健康對照組。
最終算法在174個個體的新樣本上進行了測試(對照組87人，抑鬱症患者87人)，將每個人分為抑鬱和不抑鬱，並將此結果與病歷診斷結果進行了比較。該研究發表在BMC Psychiatry 雜誌上。
與對照組相比，抑鬱症患者的睡眠時間減少了30.6分鐘，睡眠時間和REM睡眠潛伏期顯著延長，並且REM睡眠占總睡眠時間的比例較低。
該算法錯誤地將15名抑鬱症患者定義為對照組，並錯誤地將20名對照受試者識別為抑鬱症。總體準確率為79.9%，靈敏度為82.8%，特異性為77%。該算法在按年齡、性別、抑鬱嚴重程度、合併精神病、心血管疾病和吸菸狀況分層的各個亞組中仍然保持高度敏感性。
源自睡眠的心率模式至少在與睡眠障礙同時發生時可作為抑鬱症的客觀生物標誌，並可作為輔助的客觀診斷工具。這些發現凸顯了抑鬱症患者某些自主神經功能受損的程度，這有必要進一步研究潛在的潛在機制。
除了為抑鬱症的診斷提供更好的生物學基礎外，這一工具還可能為精神病學臨床評估提供補充信息，並為早期篩查提供客觀措施。
此外，使用獨特的生理變量作為抑鬱症的生物標誌物，可能有助於強調心理和身體健康之間的相互作用。這可能有助於減少與抑鬱症有關的恥辱感，消除獲得精神治療的一些社會障礙，並允許對患者進行更全面的護理。