Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Vastuullisen tekoälyn (AI) käyttäminen verkkoterapian tulosten ja sitoutumisen ennustamiseen

perjantai 14. marraskuuta 2025 päivittänyt: University Hospital, Basel, Switzerland
Tässä tutkimuksessa kehitetään tekoälyyn perustuvia malleja digitaaliseen psykoterapiaan osallistuvien potilaiden hoitoon sitoutumisen ja hoidon tulosten yksilölliseen ennustamiseen. Tekoälyalgoritmien kouluttamiseen käytetään suurta, todellista datajoukkoa digitaalisen psykoterapiaohjelman potilaista. Vastuullisia tekoälyalgoritmeja kehitetään kuvaamalla, ottamalla huomioon ja lieventämällä tekoälypohjaisten mallien mielenterveyden häiriöiden vakavuudesta johtuvaa harhaa sekä muista arkaluonteisista ominaisuuksista, kuten sukupuolesta, etnisyydestä ja sosio-demografisesta asemasta, johtuvaa harhaa.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Mielenterveyden häiriöt lisäävät suuresti maailmanlaajuista sairaustaakkaa, mutta monilla ihmisillä ei ole pääsyä mielenterveyshuoltoon. Tämä hoitovaje johtuu osittain rakenteellisesta (esim. saatavuus) ja asenteesta (esim. leimautumisen pelko) esteitä terveydenhuollon hakemisessa. Digitaalinen terapia (DTx) digitaalisten mielenterveysinterventioiden tai digitaalisen psykoterapian muodossa voi olla ratkaisu tähän ongelmaan. Tieto- ja viestintätekniikan (ICT) ja mielenterveydenhuollon yhdistämisellä on potentiaalia tehostaa hoidon toimittamista ja mahdollistaa hoitojen personoinnin. Tekoälyyn (AI) perustuva digitaalisten psykoterapiaohjelmien suurten tietojoukkojen analyysi voi mahdollistaa yksilöllisten ennustemallien kehittämisen ja validoinnin. Yksilöllisen sitoutumisen ennustaminen ja epäsuotuisten sitoutumismallien varhainen tunnistaminen voivat parantaa DTx:n personointia, mikä voi auttaa vähentämään noudattamatta jättämistä ja parantamaan hoitotuloksia. DTx-tulosten ja sitoutumismallien yksilöllinen ennustaminen voidaan saavuttaa ottamalla käyttöön tekoälypohjaisia ​​lähestymistapoja, kuten koneoppimisen ennustemalleja. Henkilökohtaiset ennustemallit voivat auttaa ymmärtämään paremmin, kuka hyötyy eniten millaisesta DTx:stä tosielämässä. Kaiken kaikkiaan DTx-hoidon tulosten ja sitoutumisen personointi voi i) parantaa päätöksentekoprosesseja potilas-kliinikko-dyadeissa, ii) parantaa digitaalisen psykoterapian tehokkuutta, iii) vähentää potilaiden kärsimystä ja iv) vähentää mielenterveyteen liittyviä suoria ja epäsuoria kustannuksia. hoito. Tekoälypohjaisissa ennustemalleissa on otettava huomioon mielenterveydestä johtuva mahdollinen syrjintä. Puolueetonta ja syrjimätöntä tekoälyä kutsutaan usein vastuulliseksi tekoälyksi. Tiettyyn tietoaineistoon perustuvien tekoälypohjaisten ennustemallien harhan huomioon ottaminen on erityisen tärkeää mielenterveyshuollossa terveyssyrjinnän kiihtymisen estämiseksi.

Tässä tutkimuksessa kehitetään tekoälyyn perustuvia malleja digitaaliseen psykoterapiaan osallistuvien potilaiden hoitoon sitoutumisen ja hoidon tulosten yksilölliseen ennustamiseen. Tekoälyalgoritmien kouluttamiseen käytetään suurta, todellista datajoukkoa digitaalisen psykoterapiaohjelman potilaista. Vastuullisia tekoälyalgoritmeja kehitetään kuvaamalla, ottamalla huomioon ja lieventämällä tekoälypohjaisten mallien mielenterveyden häiriöiden vakavuudesta johtuvaa harhaa sekä muista arkaluonteisista ominaisuuksista, kuten sukupuolesta, etnisyydestä ja sosio-demografisesta asemasta, johtuvaa harhaa. Ehdotetun projektin tavoitteena on arvioida tekoälyyn perustuvia ennustemalleja hoitoon sitoutumisesta ja tuloksista Kanadan Reginan yliopiston professori Heather Hadjistavropoulosin verkkoterapiayksikön tietojen perusteella. Online Therapy Unit -tietojoukko sisältää suuren määrän DTx-tietoa mielenterveysongelmista kärsiviltä ihmisiltä (kerätty osana online-terapiayksikön tutkimustutkimuksia vuosina 2013–2021) ja se on peräisin julkisesti rahoitetusta, Internetin kautta toimitetusta kognitiivisesta käyttäytymisterapiasta. (iCBT) -ohjelma Saskatchewanissa, Kanadassa. Yhteenvetona voidaan todeta, että Online Therapy Unit -tietojoukko soveltuu erittäin hyvin tekoälypohjaisten ennustemallien koulutus- ja testiaineistoksi, koska se sisältää suuren määrän osallistujia, kliinistä tutkimusta vastaan ​​todellisesta maailmasta haettua pitkittäistietoa sekä runsaan joukon. ennakoivista ominaisuuksista.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

6671

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

      • Basel, Sveitsi, 4031
        • University Hospital Basel, Department of Psychosomatic Medicine

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Osallistujat julkisesti rahoitettuun, internetin kautta järjestettävään kognitiivisen käyttäytymisterapian (iCBT) ohjelmaan Saskatchewanissa, Kanadassa. Ohjelma tarjoaa oireiden seulontaa ja kahdeksan viikon transdiagnostisen iCBT-ohjelman nimeltä Wellbeing Course. Saskatchewanissa tämä transdiagnostinen iCBT-ohjelma on integroitu julkiseen mielenterveyshuoltoon esimerkiksi osoittamalla paikallisten mielenterveysklinikoiden kliinikkoja verkkoterapiayksikköön ja rohkaisemalla terapeutteja ohjaamaan potilaita tähän palveluun. Tiedot kerättiin osana verkkoterapiayksikön tutkimuskokeita vuosina 2013–2021.

Kuvaus

Sisällyttämiskriteerit:

  • Osallistujat, jotka seulottiin kelvollisiksi osallistumaan hyvinvointikurssin kokeiluun, joka tarjottiin verkkoterapiayksikössä 4.11.2013–21.12.2021.
  • Osallistujat, jotka suostuivat tietojensa käyttöön iCBT-palvelujen arvioimiseen ja parantamiseen.
  • Käytti kurssin sisällön oppituntia 1 ja täytetty peruskyselylomakkeet.

Poissulkemiskriteerit:

  • Tiedot jätetään pois vain, jos tiedonkeruussa on virheitä

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Muutos potilaan terveyskyselyssä, 9 kohta (PHQ9) (muutos prosentteina)
Aikaikkuna: viikosta 1 viikkoon 8
Muutos PHQ9:ssä (prosenttimuutos) oireiden paranemisen arvioimiseksi vs. ei oireiden paranemista ennen digitaalisen psykoterapian jälkeistä toimenpidettä. Potilaan terveyskysely (PHQ-9): Yhteensä = /27 ; Masennuksen vaikeusaste: 0-4 ei yhtään, 5-9 lievä, 10-14 kohtalainen, 15-19 kohtalaisen vaikea, 20-27 vaikea.
viikosta 1 viikkoon 8
Muutos yleisessä ahdistuneisuushäiriö-7-kyselyssä (GAD7) (muutos prosentteina)
Aikaikkuna: viikosta 1 viikkoon 8
Muutos yleisessä ahdistuneisuushäiriö-7-kyselyssä (GAD7) arvioimaan oireiden paranemista verrattuna oireiden parantumattomuuteen ennen digitaalisen psykoterapian jälkeistä toimenpidettä. Pistemäärä 0-4: Minimaalinen ahdistuneisuus · Pistemäärä 5-9: Lievä ahdistuneisuus · Pistemäärä 10-14: Keskivaikea ahdistuneisuus · Pistemäärä yli 15: Vaikea ahdistus.
viikosta 1 viikkoon 8

Muut tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Asiakkaan lähettämien viestien määrä
Aikaikkuna: viikosta 1 viikkoon 8
Potilaiden sitoutuminen digitaaliseen psykoterapian interventioon arvioimalla potilasviestien määrää
viikosta 1 viikkoon 8
Asiakkaan vastaanottamien viestien määrä
Aikaikkuna: viikosta 1 viikkoon 8
Potilaiden sitoutuminen digitaaliseen psykoterapiainterventioon arvioimalla terapeutin viestien määrää
viikosta 1 viikkoon 8
Puhelinsoittojen määrä lääkärin muistiinpanoihin
Aikaikkuna: viikosta 1 viikkoon 8
Potilaiden sitoutuminen digitaaliseen psykoterapiainterventioon arvioimalla puheluiden määrää
viikosta 1 viikkoon 8
Kuinka monta kertaa asiakas kirjautui sisään
Aikaikkuna: viikosta 1 viikkoon 8
Potilaiden sitoutuminen digitaaliseen psykoterapian interventioon arvioimalla käytettyjen oppituntien määrää
viikosta 1 viikkoon 8

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Gunther Meinlschmidt, Prof., University Hospital Basel, Department of Psychosomatic Medicine

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Keskiviikko 1. maaliskuuta 2023

Ensisijainen valmistuminen (Todellinen)

Perjantai 6. joulukuuta 2024

Opintojen valmistuminen (Todellinen)

Keskiviikko 3. syyskuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 24. helmikuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 24. helmikuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Tiistai 7. maaliskuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvioitu)

Tiistai 18. marraskuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 14. marraskuuta 2025

Viimeksi vahvistettu

Lauantai 1. marraskuuta 2025

Lisää tietoa

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa