Na uniwersytecie w Stanford sztuczna inteligencja, jest wykorzystywana przy doborze indywidualnej terapii dla pacjentów chorych na depresję.
Obecne metody stosowane w diagnozowaniu i leczeniu depresji są w najlepszym razie nieprecyzyjne, opierając się głównie na subiektywnych odpowiedziach na pytania ankietowe, powiedziała dr Leanne Williams, profesor psychiatrii w Stanford. Co gorsza, takie podejście może skutkować wyborem leczenia, które dodatkowo opóźnia powrót pacjenta do zdrowia w miarę postępu choroby.
Obecnie terapie są procesem prób i błędów. Środki farmakologiczne dobierane są na podstawie prawdopodobieństwa i doświadczenia lekarza. Jeśli pierwszy zestaw leków nie działa, sprawdzamy kolejne, aż do osiągnięcia zadowalających rezultatów. Potrzebujemy bardziej precyzyjnego narzędzia, aby już przed rozpoczęciem leczenia wybrać najlepszą jego formę.
Williams i jej współpracownicy postanowili stworzyć bardziej skuteczny model, który, jak mają nadzieję, może wkrótce zostać wykorzystany w leczeniu klinicznym. W ostatnich badaniach zastosowali algorytm dzięki któremu sztuczna inteligencja podjęła się interpretacji wzorców fal mózgowych unikalnych dla osób z depresją, w celu lepszego wskazania, jaką odpowiedź uzyskujemy przy zastosowaniu rożnych metod terapeutycznych.
„Wiemy, że depresja jest bardzo niejednorodna i że istnieje co najmniej 1000 unikalnych kombinacji objawów, które można zdiagnozować jako depresję”, powiedział Williams, która jest dyrektorem Centrum „Precision Mental Health and Wellness” w Stanford. „Odkryliśmy, że pomiary fal mózgowych mogą być pomocne w określeniu, które konkretne symptomy ulegają zmianie podczas leczenia przeciwdepresyjnego, a które pozostają bez zmian.”
Potrzeba dokładniejszej diagnostyki
Według National Institute of Mental Health poważna depresja jest najczęstszym zaburzeniem psychicznym w Stanach Zjednoczonych, dotykającym około 7% osób dorosłych w według danych z 2017 r. Spośród nich około połowa nigdy nie zostaje zdiagnozowana; a tym, którzy to robią, znalezienie odpowiedniego leczenia może zająć lata przy obecnym procesie prób i błędów.
W badaniu Williams zebrano dane od 518 pacjentów, u których zdiagnozowano depresję, a następnie przez osiem tygodni przeprowadzano diagnostykę fal mózgowych w trakcie leczenia jednym z trzech różnych leków przeciwdepresyjnych. Na podstawie danych o falach mózgowych sztuczna inteligencja z powodzeniem przewidziała, które objawy uległy poprawie wraz z leczeniem.
Tworzenie nowych, obiektywnych, zaawansowanych technicznie testów laboratoryjnych w celu diagnozowania zaburzeń psychicznych od dawna było celem Williamsa oraz innych naukowców zajmujących się neurologią. Obecnie klinicyści polegają na ankietach w których albo pacjent, albo lekarz sam wymienia objawy. Jeśli pacjent ma pewną liczbę różnych objawów – wśród nich niski nastrój, zmiany apetytu, obniżenie samooceny, utratę energii i słabą koncentrację – otrzymuje szeroką diagnozę depresji klinicznej.
Sztuczna Inteligencja odnosi pierwsze sukcesy
W przypadku nowego modelu Williams współpracował z badaczami ze Stanford’s AI for Healthcare Bootcamp w grupie kierowanej przez doktora Andrew Ng, profesora informatyki. Zespół postanowił zaprojektować algorytm umożliwiający przewidywanie poprawy różnych objawów depresyjnych za pomocą leczenia przeciwdepresyjnego. Dane dotyczące poszczególnych objawów połączono z indywidualnymi zapisami z testów elektroencefalograficznych (EEG), które monitorowały aktywność elektryczną w mózgach uczestników.
„Możemy zastosować sztuczną inteligencję, aby nauczyć się złożonych relacji w dostępnych danych” – powiedział Pranav Rajpurkar, doktorant informatyki„Jesteśmy w stanie nauczyć się i odkryć ciekawe związki między objawami depresji u pacjenta – a odczytami EEG – na początku leczenia, oraz objawami po ośmiu tygodniach leczenia”
Algorytm był także w stanie zidentyfikować osoby z objawami klinicznymi stwarzającymi wysokie ryzyko, takich jak samobójstwo, powiedział Rajpurkar. Objawy te mogły zostać pominięte z powodu subiektywnego charakteru standardowej diagnozy.
„Potrzebujemy nowych modeli, takich jak ten, aby zapewnić obiektywne pomiary czynników ryzyka depresji. Pomogą nam one zidentyfikować osoby, które powinny skorzystać z bardziej intensywnych terapii lub terapii innych niż leki przeciwdepresyjne, w celu szybkiego uzyskania najlepszej odpowiedzi na leczenie” – powiedziała Dr. Williams
