Kiinnittymisen ja tulosten parantaminen tekoälyn mukaisilla tekstiviesteillä (AIM@BP)

Kroonisten sairauksien itsehoitoon liittyy monimutkaisia ​​käyttäytymismalleja, ja potilaat noudattavat erilaisia ​​käyttäytymismalleja. Tämän ehdotuksen painopiste on lääkityksen noudattamisessa, koska potilaiden laiminlyönti ottaessaan lääkkeitään määräysten mukaisesti on suurin syy liialliseen sairastumiseen ja kuolleisuuteen sekä kohonneisiin terveydenhuoltokustannuksiin. Tutkimukset viittaavat siihen, että 33–50 % potilaista ei ota lääkkeitään kunnolla, mikä aiheuttaa lähes 100 000 ennenaikaista kuolemaa vuosittain ja 290 miljardin dollarin terveydenhuoltokustannuksia. Verenpainetta alentavien lääkkeiden noudattaminen on sinänsä erityisen tärkeää, ja verenpainetauti voi toimia tärkeänä merkkisairautena, joka ymmärtää paremmin ja parantaa lääkityksen noudattamista yleisemmin. Hallitsematon verenpainetauti on aivohalvauksen, sepelvaltimotaudin, sydämen vajaatoiminnan ja kuolleisuuden tärkein syy, ja lääkkeiden noudattamatta jättäminen on hallitsemattoman verenpainetaudin tärkein syy. Esimerkiksi noin 5 000 verenpainepotilaalla tehdyssä vuoden kestäneessä tutkimuksessa useimmat potilaat ottivat lääkkeitään vain ajoittain, ja puolet potilaista lopetti lopulta lääkityksensä vastoin lääkärin neuvoja.

Lääkityksen noudattamisen parantaminen edellyttää useisiin haasteisiin vastaamista, koska potilailla on tyypillisesti useita syitä olla ottamatta lääkitystä ohjeiden mukaan, kuten uskomukset sairaudestaan ​​ja sen hoidosta, organisaatioon liittyvät haasteet ja kustannusesteet. Lisäksi, koska potilaiden hoito-ohjelmat, terveydentila ja sosiaalinen konteksti muuttuvat ajan myötä, hoitoon sitoutumista tukevien interventioiden on mukauduttava, mutta useimmilta palveluilta puuttuu joustavuus siihen.

Mobiiliterveyspalvelut (mHealth), kuten potilaiden tekstiviestit tai tekstiviestit, ovat osoittaneet lupauksia parantaa lääkityksen noudattamista. Koska lähes kaikki mHealth-palvelut perustuvat yksinkertaistettuihin, deterministisiin protokolliin, näillä interventioilla ei kuitenkaan ole kapasiteettia vastata potilaiden monimutkaisiin muuttuviin tarpeisiin. Tämän seurauksena nämä alkeelliset järjestelmät ovat osoittaneet vain vaatimattomia vaikutuksia, jotka yleensä vähenevät ajan myötä. Tutkijat ehdottavat tekoälyn (AI) menetelmien soveltamista, erityisesti vahvistusoppimista (yksi tekoälyn tyyppi), jotta kehitettäisiin mallilääkkeiden noudattamisjärjestelmä, joka voi automaattisesti mukauttaa SMS-viestintää parantamaan yksittäisten lääkkeiden ottamista.

Ehdotettu projekti on tulosta uudesta monitieteisestä yhteistyöstä UM:n asiantuntijoiden välillä Farmasian Collegesta, College of Engineeringistä ja School of Medicineista. Pitkän aikavälin tavoitteemme on parantaa terveystuloksia tekoälyn (AI) tehostettujen mobiiliterveystyökalujen avulla. Ehdotetun pilottitutkimuksen tavoitteena on kehittää vahvistusoppimiseen perustuva mHealth-ohjelma, joka keskittyy huonosti hallinnassa olevaa verenpainetautia sairastavien potilaiden lääkityshoitoon. Keskeiset hypoteesimme ovat, että vahvistusoppimista (RL) käyttävä SMS-järjestelmä: on potilaiden hyväksyttävä, mukautuu verenpainepotilaiden ainutlaatuisiin hoitoon sitoutumiseen liittyviin tarpeisiin ja mieltymyksiin sekä näiden tarpeiden ajan mittaan muuttuviin muutoksiin sekä parantaa lääkityksen noudattamista ja verenpaineen hallintaa. . Erityistavoitteet ovat:

1. Kehittää RL-menetelmiä adaptiiviseen päätöksentekoon ihmiskeskeisissä ympäristöissä ja osoittaa tuloksena olevan RL-pohjaisen adaptiivisen SMS-lääkityksen noudattamisen intervention toteutettavuus,
2. Osoita mukautuvan RL-base-järjestelmän "oppimista" käyttämällä tietoja, jotka osoittavat SMS-viestivirran mukautumisen potilaiden välillä ja ajan mittaan tapahtuvan vaihtelun mukaan sitoutumatta jättämisen syihin, ja
3. Tutki RL-pohjaisen adaptiivisen SMS-intervention mahdollista tehoa lääkityksen noudattamisen ja systolisen verenpaineen parantamisen suhteen.

Tämän pilottiprojektin tulokset sisältävät uudenlaisen AI/RL-teknologian ja todisteet sen todellisesta käytöstä, jotka perustuvat kokemukseen aikuisista, joilla on huonosti hallittu verenpaine. Näitä tuloksia käytetään tukemaan R01-hakemusta laajemmassa ja täsmällisemmässä tutkimuksessa toimenpiteen vaikutuksista potilaiden terveyteen ja pitkäaikaiseen hoitoon sitoutumiseen. Pitkällä aikavälillä tämä tekoälyllä tehostettu mTerveyden itsehallinnan tukiinfrastruktuuri ja ennennäkemätön yhteistyö farmasian, lääketieteen ja tietojenkäsittelytieteen tutkijoiden välillä luovat pohjan laajemmalle NIH:n rahoittamalle tutkimusohjelmalle, jossa käytetään samanlaisia ​​tekoälyn lähestymistapoja käyttäytymisen muutoshaasteisiin vastaamiseksi. lukuisissa terveys- ja terveydenhuoltoongelmissa.