Naukowcy wykorzystują moc sztucznej inteligencji (AI) do wczesnego wykrywania zaburzeń zdrowia psychicznego, takich jak depresja i schizofrenia.
W przeciwieństwie do np. choroby nerek, która jest stosunkowo łatwa do zdiagnozowania, stany takie jak lęk czy depresja nie mają specyficznych biomarkerów, które można wykryć prostym testem.
Pacjenci z tym samym zaburzeniem psychicznym mogą wykazywać wiele różnych objawów, co może utrudniać klinicystom wczesne i dokładne ich zdiagnozowanie.
Naukowcy z Uniwersytetu Technologicznego Nanyang w Singapurze pracują nad zestawem narzędzi diagnostycznych opartych na sztucznej inteligencji, który może pomóc w rozwiązaniu problemu.
Zdolność sztucznej inteligencji do wydajnego przetwarzania dużych zbiorów danych pomaga wykrywać oznaki różnych schorzeń psychicznych i określać, czy upośledzenie umysłowe pacjenta staje się poważniejsze.
Dr Eva Bojic, informatyk i główny badacz projektu, powiedziała Euronews Next, że zaburzenia zdrowia psychicznego „mogą być widoczne w bardzo fizyczny sposób” i że urządzenia do noszenia pomagają im wychwycić te sygnały.
„Zebraliśmy różne warianty, różne sygnały z wariantów, coś, co nazywamy cyfrowymi biomarkerami” – powiedział Bojic.
Śledź tętno i wzorce snu
Niektóre z parametrów życiowych obejmują tętno, wzorce snu, wydatek energetyczny, spalone kalorie i liczbę kroków; „A potem połączyliśmy te biomarkery z objawami, które zaobserwowaliśmy, i po pewnym czasie model mógł się uczyć” – powiedziała.
Na przykład jednym z sygnałów, które naukowcy odebrali w swoich badaniach, jest to, że tętno osób z depresją zwykle przyspiesza w godzinach nocnych, szczególnie między godziną 2 a 4 rano.
Biomarkery są następnie uzupełniane kwestionariuszem do ostatecznej oceny i identyfikacji użytkowników w próbie, którzy aktywnie cierpią na depresję.
Wreszcie, użytkowników dzieli się na dwie grupy: „zero dla osób, które nie mają depresji, a jedna dla, powiedzmy, osób z depresją. Następnie opracowujemy modele uczenia maszynowego” – wyjaśnił Bojek.
Model uczenia maszynowego jest w stanie dokonywać prognoz dla nowych użytkowników na podstawie ich biomarkerów, odnosić wiedzę i etykiety wyuczone z wcześniej analizowanych biomarkerów oraz definiować nowy wynik: zero lub jeden – zdrowy lub niezdrowy.
Ale oczywiście „nie ma nic kuloodpornego” – powiedział Bojic.
Wyjaśnia, że przewidywania modelu nie są tak naprawdę binarne. Program podaje wartość procentową od zera do 100: „W takim razie chodzi w zasadzie o to, gdzie ustawiliśmy próg.
Jaki jest margines błędu w modelu AI?
Margines błędu zależy od poziomu szczegółowości struktury danych, od tego, jak czyste i dokładne są dane oraz od liczby godzin, przez które użytkownik dziennie korzystał z urządzenia do monitorowania kondycji.
Bojic oszacował dokładność narzędzia na około 80 procent. „Czasami, jeśli naprawdę zależy ci na jakości danych, naprawdę możemy osiągnąć 100%”.
„Ale może być wiele ograniczeń” – co ciekawe, błąd często bierze się ze strony ludzkiej – dodała.
Bojek wyjaśnił, że ankieta często stanowi problem, ponieważ w zależności od tego, jak ewaluator zada pytanie, może uzyskać inną odpowiedź.
Narzędzie do skanowania AI „nie idealne”
Zdarza się również, że użytkownicy są nielojalni z powodu napiętnowania zdrowia psychicznego, a czasem po prostu nie są świadomi swojego stanu.
Ale pomimo wyzwań „istnieje pewna znacząca korelacja między objawami fizycznymi a wiedzą, którą uzyskujemy. Więc zdecydowanie istnieje potencjał do zbadania” – powiedziała.
„To, co robimy, to coś więcej niż tylko narzędzie do badań przesiewowych dla ludzi… a potem, miejmy nadzieję, mogą oni przejść do procesu opieki, w którym ich stan może być odpowiednio zarządzany”.
„To narzędzie nie jest doskonałe” – dodała. „Nie chodzi więc o wyeliminowanie potrzeby profesjonalnej pomocy psychologicznej, chodzi o to, jak przydatne jest pomaganie ludziom i pomaganie profesjonalistom w identyfikowaniu osób, do których inaczej nie mieliby dostępu”.
Nie wspominając już o pomaganiu profesjonalistom w jak najszybszej pomocy pacjentom. Badania pokazują, że wczesne wykrycie stanów, takich jak depresja i schizofrenia, ma kluczowe znaczenie dla zapobiegania eskalacji zaburzeń.
Bojic powiedziała, że jedną z mocnych stron badania jej zespołu, które zostało opublikowane w JMIR mHealth i uHealth, jest to, że przyglądało się ogółowi społeczeństwa, a nie skupiało się na osobach, które zostały już zdiagnozowane klinicznie.
Co się stanie z tymi danymi?
Postępowanie po zidentyfikowaniu kogoś z możliwym ryzykiem rozwoju choroby jest nadal ważnym szczegółem, nad którym pracują naukowcy.
„Z klinicznego punktu widzenia, jak mogą się do kogoś podejść? Czy to dobry sposób na bezpośrednie powiedzenie, wiesz: „Masz depresję”? Jak skuteczne jest to?” powiedział Bojic.
„Z drugiej strony, jeśli w systemie występuje błąd, a osobie bez depresji mówi się o tym, jak to wpłynie na tę osobę?”
Następnie pojawiają się drażliwe pytania dotyczące etyki i prywatności.
Czy rządy, agencje lub szpitale powinny mieć dostęp do tych informacji? I jak mogą to wykorzystać do promowania dobrego zdrowia psychicznego?
„Istnieje wiele punktów widzenia, jeśli chodzi o radzenie sobie z tym, wiele rozważań, z pewnością kwestie etyczne, kwestie prywatności. Wszystko to należy wziąć pod uwagę, zanim te informacje zostaną faktycznie wykorzystane w różnych miejscach” – powiedział Bojic.
Uważa, że gdy te obawy zostaną rozwiązane, sztuczna inteligencja może być bardzo obiecująca w dziedzinie zdrowia psychicznego.
„Naprawdę wierzę, że możemy pomóc ludziom dzięki wiedzy i algorytmom, które opracowaliśmy” – powiedziała.
„To nie tylko gonienie za liczbami”.
Na razie zespół koncentruje się na wykrywaniu depresji, ale ma nadzieję rozszerzyć ją na inne schorzenia, takie jak demencja, samotność i schizofrenia.
„Odkrywca. Entuzjasta muzyki. Fan kawy. Specjalista od sieci. Miłośnik zombie.”
More Stories
Samodzielna cyfrowa terapia behawioralna poprawia leczenie bólu i fibromialgii
Asimov wprowadza na rynek AAV Edge, zestaw modeli sztucznej inteligencji, komórek gospodarzy i narzędzi genetycznych do opracowania kompleksowej terapii genowej
Bardziej ekologiczne wybory, bystrzejsze umysły: badania łączą zrównoważony rozwój i zdrowie mózgu