Zlepšení přilnavosti a výsledků pomocí textových zpráv přizpůsobených umělé inteligenci (AIM@BP)

Self-management chronických stavů zahrnuje komplexní chování a pacienti se liší ve své adherenci k tomuto chování. Tento návrh se zaměřuje na dodržování léků, protože neschopnost pacientů užívat léky podle předpisu je hlavní příčinou nadměrné morbidity a mortality a zvýšených nákladů na zdravotní péči. Studie naznačují, že 33–50 % pacientů neužívá své léky správně, což přispívá k téměř 100 000 předčasných úmrtí každý rok a 290 miliardám dolarů v nákladech na zdravotní péči. Adherence k antihypertenzním lékům je sama o sobě zvláště důležitá a hypertenze může sloužit jako důležitý indikátor pro lepší pochopení a zlepšení adherence k lékům obecněji. Nekontrolovaná hypertenze je hlavní příčinou mrtvice, ischemické choroby srdeční, srdečního selhání a mortality a nedodržování léků je hlavní příčinou nekontrolované hypertenze. Například v jednoleté studii ~ 5 000 pacientů s hypertenzí většina pacientů užívala léky pouze přerušovaně, přičemž polovina pacientů nakonec léky přerušila proti lékařskému doporučení.

Zlepšení adherence k léčbě vyžaduje řešení mnoha problémů, protože pacienti mají obvykle různé důvody, proč neužívají léky tak, jak je předepsáno, jako je přesvědčení o své nemoci a její léčbě, organizační problémy a překážky v nákladech. Kromě toho, jak se režimy pacientů, zdravotní stav a sociální kontext v průběhu času mění, intervence na podporu adherence se musí přizpůsobit, ale většina služeb k tomu postrádá flexibilitu.

Služby mobilního zdraví (mHealth), jako jsou textové zprávy pacientům nebo SMS, se ukázaly jako slibné při zlepšování dodržování léků. Protože však téměř všechny služby mHealth jsou založeny na zjednodušených, deterministických protokolech, tyto intervence postrádají kapacitu pro uspokojení komplexních měnících se potřeb pacientů. V důsledku toho tyto základní systémy prokázaly pouze mírné účinky, které mají tendenci časem klesat. Vyšetřovatelé navrhují použít metody umělé inteligence (AI), konkrétně Reinforcement Learning (jeden typ AI), k vývoji modelového systému dodržování léků, který dokáže automaticky přizpůsobit SMS komunikaci pro zlepšení individuálního užívání léků.

Navrhovaný projekt je výsledkem nové multidisciplinární spolupráce mezi odborníky z UM z College of Pharmacy, College of Engineering a School of Medicine. Naším dlouhodobým cílem je zlepšovat zdravotní výsledky pomocí nástrojů mobilního zdraví vylepšených umělou inteligencí (AI). Cílem navrhované pilotní studie je vyvinout program mHealth založený na Reinforcement Learning zaměřený na dodržování léků u pacientů se špatně kontrolovanou hypertenzí. Naší ústřední hypotézou je, že systém SMS, který využívá Reinforcement Learning (RL), bude: přijatelný pro pacienty, přizpůsobí se jedinečným potřebám a preferencím pacientů s hypertenzí a jejich preferencím a změnám v těchto potřebách v průběhu času a zlepší dodržování léků a kontrolu krevního tlaku. . Konkrétní cíle jsou:

1. Vyvinout metody RL pro adaptivní rozhodování v prostředích zaměřených na člověka a demonstrovat proveditelnost výsledné intervence adaptivní SMS medikace založené na RL,
2. Demonstrujte „učení“ adaptivním systémem na bázi RL pomocí dat ukazujících přizpůsobení toku SMS zpráv podle variací mezi pacienty a v průběhu času v důvodech nedodržování, a
3. Prozkoumejte potenciální účinnost adaptivní SMS intervence založené na RL s ohledem na zlepšení adherence k léčbě a systolického krevního tlaku.

Výsledky tohoto pilotního projektu budou zahrnovat novou technologii AI/RL a důkazy o jejím použití v reálném světě na základě zkušeností se vzorkem dospělých se špatně kontrolovanou hypertenzí. Tyto výsledky budou použity na podporu aplikace R01 pro rozsáhlejší a definitivnější studii dopadu intervence na zdraví pacientů a na chování při dlouhodobé adherenci. V dlouhodobějším horizontu tato infrastruktura podpory samořízení mHealth vylepšená AI a bezprecedentní spolupráce mezi výzkumníky v oblasti farmacie, medicíny a informatiky položí základ pro širší program výzkumu financovaného NIH využívající podobné přístupy AI k řešení problémů se změnou chování. ve velkém množství zdravotních a zdravotních problémů.