Anonim

A mesterséges intelligencia (AI) egyre nagyobb figyelmet és népszerűséget szerez az orvostudományban, és a pszichiátria sem kivétel. Azonban azt várjuk, hogy az AI eleget tesz-e ígéretének, és javítja-e a mentális betegségek diagnosztizálását és kezelését.

Az AI az a koncepció, amely szerint különféle feladatok elvégzésére szakértői rendszereket kell létrehozni, a gépi tanulás (ML) pedig az AI részhalmaza, olyan statisztikai rendszerekkel, amelyek megtanulják az adatok olyan tulajdonságait, amelyek előrejelzik valamely érdeklődés változóját - magyarázta Peter Foltz, PhD, a Colorado Egyetem Kognitív Tudományi Intézetének kutatója, Boulder.

Az AI iránti növekvő érdeklődés egyik oka az általa kínált lehetséges alkalmazások "hatalmas köre" - mondta John Krystal, MD, egyetemi tanár és a Yale Egyetemi Orvostudományi Egyetem pszichiátriai osztályának elnöke, Connecticutban.

"Az AI segíthet jobban elemezni az agyszkennelést a kutatásban, jobban megértheti a genomi információ felépítését, azonosíthatja a rossz eredmények, például öngyilkosság kockázatának kitett embereket, megpróbálhatja javítani az erőforrások elosztásának módját, megjósolni, hogy ki fogja és mi nem részesül a dúsított pszichoszociális támogatás, irányítás a gyógyszeres kezelés kiválasztásához és a veszélyeztetett betegek távoli megfigyelése "- mondta Krystal a Medscape Medical News-nak.

Míg egyes orvosok attól tartanak, hogy az AI és az ML végül helyettesítheti őket, Foltz megjegyezte, hogy az AI célja nem az orvosok eltávolítása, hanem a klinikai gyakorlat fejlesztése.

A 22 ország 791 pszichiáterének közelmúltbeli felmérése kimutatta, hogy a válaszadók 50% -a azt jósolta, hogy az AI / ML „jelentősen megváltoztatja” állásukat - különösen az orvosi nyilvántartások dokumentálása és frissítése, valamint az információk szintetizálása terén.

"Az ilyen típusú technológiákat olyan eszközökként kell megvizsgálnunk, amelyek időszerűbb és érzékenyebb információkat továbbítanak a klinikusok számára, és a figyelmeztető klinikusok azon betegek számára, akiknek esetleg további nyomon követésre lehet szükségük" - mondta Krystal.

"Jó példa azokra a dolgokra, amelyeket az ML vagy az AI jobban meg tud tenni, mint az emberek, ha előre jelezzük az A és B kábítószerre adott reakciót, mivel a számítógép sokkal több változót szem előtt tartani képes, mint egy ember, és rendkívül hatékonyan képes ezt megtenni, ha validált algoritmusok "- jegyezte meg.

A rutin depressziós szűrés során gyűjtött adatokat, "gazdagítva a beteg által a klinikusnak nyújtott információkkal, szabványosított formátumba helyezik, hogy algoritmusban felhasználhatók legyenek az összes páciens azonos adatai."

Krystal és munkatársai kifejlesztettek egy ilyen algoritmust annak előrejelzésére, hogy a depresszióban szenvedő betegek milyen tüneti remissziót érhetnek el egy 12 hetes escitalopram-kezelés után.

A Lancet Psychiatry-ben közzétett 2016. évi tanulmány a Depresszió enyhítésére alkalmazott szekvenált kezelési alternatívák (STAR ​​* D) vizsgálatából származó algoritmust dolgozott ki, amely 25 prediktív változóból áll, beleértve az egyes szociodemográfiai jellemzőket, a depressziós súlyossági ellenőrző listák pontszámait és a korábbi súlyos depressziós epizódok.

Ezeket a 25 változót egy ML modell kiképzéséhez használták a klinikai remisszió előrejelzéséhez. A kutatók ezt követően validálták a modellt egy escitalopramkezelő csoportra történő alkalmazásával egy független klinikai vizsgálatból, amelyet úgy ismertek, hogy a gyógyszereket kombinálják a depresszió kimenetelének fokozására (CO-MED).

Az általuk kifejlesztett modell előrejelzett eredményeket mutatott a STAR * D kohorszban "a véletlenszerűen szignifikánsan nagyobb pontossággal" (64, 6% [SD 3.2]; P <.0001), és külsőleg validált volt a CO-MED eszcitalopramkezelő csoportban.

Ezeket az eredményeket megismételték egy későbbi vizsgálatban, ahol a vizsgálók ML segítségével elemezték a 20 depressziós tünet képességét az antidepresszánsokra adott válasz előrejelzésére, kilenc antidepresszáns klinikai vizsgálat és több mint 7000 beteg adatainak felhasználásával.

A kutatók megállapították, hogy három tünetcsoport - alvás / álmatlanság, alapvető érzelmi tünetek és atipikus tünetek - kapcsolódtak a specifikus gyógyszerekre adott válaszhoz.

Ez "egy példa arra, hogy az AI miként képes arra, hogy egy jó klinikus még jobbá váljon" - mondta Krystal.

Foltz és munkatársai alkalmazás-alapú technológiát fejlesztettek ki a skizofrénia betegek beszédmintáinak apró változásainak távoli nyomon követésére és nyomon követésére.

Ezeknek a finom nyelvi változásoknak a nyomon követése segíthet a klinikusoknak a betegek beszéd- és mentális állapotbeli ingadozásainak valós idejű objektív értékelését (valós idejű értékelését), amelyek potenciálisan a hangulati vagy gondolati folyamatok változására utalhatnak - mondta Brita Elvevåg, PhD, kognitív idegtudós orvos a norvégiai Tromsø Egyetemen, aki együttmûködött Foltzzal a kutatásban.

Foltz, Elvevåg és munkatársai számos tanulmányt készítettek, amelyek alátámasztják ezt a módszertant.

Az egyik vizsgálat egészséges résztvevőket hasonlított össze a stabil mentális betegségben szenvedőkkel (n = 120 és n = 105). Mindkét csoport egy mobilalkalmazást használott a történetek elmondására egy nappal a laboratóriumi meghallgatás után, miközben az átmondásra a laboratóriumi környezetben nem került sor.

Automatikus beszédfelismerő eszközök, amelyek nyomon követik a nyelvet hosszan kiterjesztett nyelvi alapú szolgáltatásokkal.

Az AI modell eredményeit ezután összehasonlították a klinikusok értékelésével.

Az AI modell ugyanolyan pontos volt, mint a klinikus értékelése azon skizofrénia betegek azonosításakor, akik aggódó tüneteket mutathatnak, és megkülönböztetik a pszichiátriai betegeket az egészséges egyénektől.

Foltz megjegyezte, hogy a pszichiátriában a diagnózis nagymértékben függ a páciens szemtől szembeni beszélgetésén. Hozzátette, hogy ez a folyamat "nagyon időigényes", költséges, és a személyes pszichiátriai konzultációhoz való hozzáférés sok beteg számára nehézkes lehet, különösen a vidéki területeken.

Az ilyen eszközök - elmondása szerint - képesek távoli adatgyűjtésre, az információk gyors továbbítására a klinikusok számára, és olyan nyomokat adnak, amelyek felhasználhatók annak megállapításához, hogy mely betegeknek lehet szükség személyes értékelésre.

Az ígéretek ellenére azonban az AI technológiák még nem állnak készen a kivitelezésre, és további értékelést igényelnek, mielőtt a népesség szintjén alkalmazhatók lennének.

Az ilyen technológiákat "alaposabban ki kell értékelni, mielőtt nagyméretű kereskedelmi méretekben alkalmazhatnák" - mondta Foltz.

Ennek érdekében egy csoportja által nemrégiben közzétett cikk javaslatot tesz az AI - különösen az ML - értékelésének a pszichiátriában kereteire.

Chelsea Chandler, a tanulmány vezető szerzője és a CU Boulder doktorjelöltje elmondta, hogy célja az, hogy "feltárja a jelenlegi hiányosságokat az AI-megközelítések kialakításában azzal a reménytel kapcsolatban, hogy haladva továbbfejleszthetővé válnak, általánosíthatók, átláthatók és megbízhatóak".

Elvevåg, aki a cikk társszerzője, kidolgozott.

"Ahhoz, hogy az AI-t klinikai környezetben lehessen alkalmazni, a gyakorló orvosokat be kell vonni a fejlesztésbe" - mondta. Megjegyezve, hogy csoportjának néhány megközelítését egy súlyos mentálisan beteg betegek kockázatértékelésére szakosodott amerikai USA-beli klinikusok felmérése támasztotta alá. .

Ezeknek az eszközöknek meg kell könnyíteniük a klinikai munkát, nem bonyolítani kell.

"Senki sem fogja érdekelni vagy használni olyan eszközt, amely további munkát eredményezne a klinikusok már csomagolt ütemtervében" - mondta Elvevåg.

Ráadásul, mondta Foltz, mielőtt az AI technikákat alkalmazná, "az orvosoknak kellő mértékű bizalommal kell rendelkezniük" az AI / ML előrejelzések pontosságában.

A megbízhatóság érdekében az ML modellnek "magyarázhatónak" kell lennie. Vagyis "Lehetővé kell tenni, hogy leírást kapjon arról, hogy a modell miként hozott döntést, és átláthatónak kell lennie."

"Azoknak a klinikusoknak, akik a szerszámot használják, meg kell értenie, hogy az általa megadott eredmények kapcsolódnak az információkhoz, amelyekkel a klinikusnak törődnie kell, tehát meg kell érteniük a rendszer részleteit, valamint azt is, hogy mikor lehet a rendszert megfelelően használni, és mikor nem kellene. nem szabad használni "- jegyezte meg Foltz.

A "megbízhatóság" harmadik összetevője az "általánosíthatóság".

"Az AI" bátor új világnak "tűnhet, de mielőtt az emberek túl izgatottak lennének a pszichiátria átalakításában játszott szerepéről, fontos tudni, hogy egy adott modell általánosítható-e, tehát gondolkodnunk kell az edzéskészlettel, amelyen a modellt kiképzték "- mondta Elvevåg.

Megjegyezte, hogy "a viselkedéstudomány nagy része az adatbázisunkban található populációkon alapul, amelyek általában a nyugati világban képzettek, iparosodtak és demokratikusak, és ezáltal torzításokat vezetnek a képzési készletbe, tehát biztosaknak kell lennünk abban, hogy bármely modell alkalmazható más populációkra is. "

Krystal egyetértett. "Amikor az emberek modelleket fejlesztenek ki, de azokat nem validálják megfelelően, akkor nem tudjuk, mennyire stabilak és megbízhatóak a modellek, és hogy más adatkészletekben hogyan, vagy nem általánosítják őket."

"Ha a hibás vagy rossz modell van, és ennek alapján cselekszik, akkor ez drasztikusan rossz döntéshozatalt eredményezhet, szemben az orvosi döntéshozatal javításával" - mondta.

Elvevåg „aknamezőnek” nevezte az AI pszichiátriai rendszerrel kapcsolatos lehetséges jogi kérdéseit.

"Mi történne, ha az egyik ilyen rendszer felelős az öngyilkosság elmulasztásáért, vagy fordítva, ha a klinikust vagy a kórházat túl sokszor figyelmeztetik, és a beteget túl gyakran küldik el [az orvoshoz vagy a kórházba]? Ez növeli a a beteg, a család, az orvos és az egészségügyi rendszer "- mondta.

Néhány betegnek, például skizofrénia vagy kognitív károsodásban szenvedő betegeknek is nehézségeik lehetnek az alkalmazások és eszközök használatával.

Ezenkívül az új technológiák súlyos adatsértéseket és a betegek magánéletének megsértését idézhetik elő.

Az adatok "lebeghetnek valahol a sztratoszférában, ezért meg kell vitatnunk az adatgyűjtés minden egyes szakaszának megfelelő keretrendszerét, valamint azt, hogy miként használják azt kutatásokhoz, klinikai gyakorlathoz és az ML modellek felépítéséhez".

"Az ügyvédek és az etikusok eltérő szöget vetnek fel ezekben a kérdésekben, mint a klinikusok vagy kutatók, így mindenkinek, beleértve a számítógépes tudósokat is, mérlegelnie kell ezen technológiák következményeit" - mondta.

Krystal egyetértett. "Minél többfajta adatot használunk egyre informatívabb előrejelzések generálására, amelyek valóban értelmesebb módszerek a kezelés irányításához, annál inkább kérdéseket kell feltennünk arról, hogy ki birtokolja az adatokat, hogyan fogják felhasználni az adatokat, hogyan eredményeznek modelleket fognak használni, és ki fogja használni őket. "

E célból a Nemzeti Egészségügyi Intézetek (NIH) multidiszciplináris konferenciát tartottak 2019. júliusban, a jog, az etika és a kutatás szakértőivel, akik perspektívaikat támasztották alá - egy olyan eseményt, amelyet Elvevåg "briliánsnak" neveztek a vita folytatása érdekében. helyezze körül ezeket a kérdéseket.

Elvevåg "rendkívül optimista", hogy az AI-től kapott információk "potenciálisan segítenek bonyolult esetekben és nagyon szükséges empirikus adatokat szolgáltathatnak a [pszichiátriai] állapotok megértéséhez". Ennek ellenére "óvatosan kell eljárnunk" - mondta.

A technikai kockázatok ellenére, a "magánélet és az etika szempontjából nehézkes kérdésekkel", "mindenki úgy véli, hogy hatalmas lehetőségek rejlenek" - tette hozzá Krystal.

Ezek az aggodalmak "azonban nem tagadják meg az ígéreteket, amelyek a meglévő adattípusokra vonatkozó új megközelítések alkalmazásánál alkalmazhatók, valamint az olyan új típusú adatok, amelyekről tudjuk, hogy ott vannak, de amelyeket még nem integráltunk jól".

"Az AI-alapú megközelítések technikai és etikai oldalainak együtt kell haladniuk egyidejűleg, tehát amikor az AI-megközelítéseket bevezetik, meg kell győződnünk arról, hogy az etikai oldal megfelelő módon valósul meg velük" - mondta Krystal.

Chandler, Foltz és Elvevåg nem hoztak nyilvánosságra vonatkozó pénzügyi kapcsolatokat. Krystal a Biológiai Pszichiátria szerkesztője. Konzultál az AbbVie Inc., az AMGEN, az Astellas Pharma Global Development Inc., az AstraZeneca Pharmaceuticals, a Biomedisyn Corporation, a Bristol-Myers Squibb, az Eli Lilly és Co, az Euthymics Bioscience Inc., a Neurovance Inc. (az Euthymics Bioscience leányvállalata), a Forum Pharmaceuticals, a Janssen Research & Fejlesztés, Lundbeck Research USA, Novartis Pharma AG, Otsuka America Pharmaceutical Inc., Sage Therapeutics Inc., Sunovion Pharmaceuticals Inc és Takeda Industries. Egyéb nyilvánosságra hozatalát az eredeti papír tartalmazza.

A számítógépes nyelvészet és a klinikai pszichológia hatodik műhelyének folyóiratai. 2019 júniusi: 137-147. Teljes szöveg

Schizophr Bull. Online közzététel 2019. november 1-jén

Lancet Pszichiátria. 2016; 3: 243-50. Absztrakt

JAMA Pszichiátria. 2017-re; 74 (4): 370-378. Teljes szöveg

További Medscape Psychiatry hírekhez csatlakozzon hozzánk a Facebook-on és a Twitter-en.