Brug af ansvarlig kunstig intelligens (AI) til at forudsige onlineterapiresultat og engagement

Psykiske lidelser bidrager i høj grad til den globale sygdomsbyrde, men mange mennesker har ikke adgang til mental sundhedspleje. Dette behandlingsgab skyldes til dels strukturel (f.eks. tilgængelighed) og holdningsrelateret (f.eks. frygt for stigmatisering) barrierer i sundhedspleje. Digital terapi (DTx) i form af digitale mentale sundhedsinterventioner eller digital psykoterapi kan være løsningen på dette problem. Integrationen af ​​informations- og kommunikationsteknologi (IKT) og mental sundhedspleje har potentiale til at øge effektiviteten af ​​leveringen af ​​pleje og muliggøre personalisering af behandlinger. Kunstig intelligens (AI)-baseret analyse af store datasæt fra digitale psykoterapiprogrammer kan muliggøre udvikling og validering af personlige forudsigelsesmodeller. Forudsigelsen af ​​individuelt engagement og den tidlige identifikation af uønskede engagementsmønstre kan forbedre personaliseringen af ​​DTx, hvilket kan hjælpe med at reducere manglende overholdelse og forbedre behandlingsresultatet. Den personlige forudsigelse af DTx-resultater og engagementsmønstre kan opnås ved at implementere AI-baserede tilgange, såsom Machine Learning-forudsigelsesmodeller. Personlige forudsigelsesmodeller kan føre til en bedre forståelse af, hvem der tjener mest på hvilken slags DTx i en virkelig verden. Tilsammen kan personalisering af DTx-behandlingsresultater og engagement i) forbedre beslutningsprocesser i patient-kliniker-dyader, ii) forbedre effektiviteten af ​​digital psykoterapi, iii) reducere patienters lidelse og iv) reducere direkte og indirekte omkostninger relateret til mental sundhed omsorg. Der er behov for at tage højde for potentiel diskrimination på grund af mental sundhed i AI-baserede forudsigelsesmodeller. Uvildig og ikke-diskriminerende AI omtales ofte som ansvarlig AI. At tage højde for bias i AI-baserede forudsigelsesmodeller baseret på et specifikt datasæt er især vigtigt i mental sundhedspleje for at forhindre acceleration af sundhedsdiskrimination.

Denne undersøgelse skal udvikle AI-baserede modeller til personlig forudsigelse af behandlingsengagement og behandlingsresultater hos patienter, der deltager i digital psykoterapi. Et stort datasæt fra den virkelige verden af ​​patienter i et digitalt psykoterapiprogram vil blive brugt til at træne AI-algoritmer. Ansvarlige AI-algoritmer vil blive udviklet ved at beskrive, redegøre for og afbøde skævhed på grund af sværhedsgraden af ​​mentale forstyrrelser i AI-baserede modeller, foruden at overveje bias på grund af andre følsomme egenskaber, såsom køn, etnicitet og sociodemografisk status. Målet med det foreslåede projekt er at estimere AI-baserede forudsigelsesmodeller for behandlingsengagement og -resultater baseret på data fra Online Therapy Unit af prof. Heather Hadjistavropoulos fra University of Regina, Canada. Datasættet Online Therapy Unit indeholder en stor mængde data om DTx fra mennesker med psykiske lidelser (indsamlet som en del af forskningsforsøg i Online Therapy Unit fra 2013 til 2021) og stammer fra den offentligt finansierede, internet-leverede, kognitive adfærdsterapi (iCBT) program i Saskatchewan, Canada. Sammenfattende er Online Therapy Unit-datasættet særdeles velegnet som trænings- og testdatasæt for AI-baserede forudsigelsesmodeller, da det omfatter et stort antal deltagere, longitudinelle data hentet fra den virkelige verden i modsætning til et klinisk forsøg og et rigt sæt. af prædiktive funktioner.