Améliorer l'adhésion et les résultats grâce à des messages texte adaptés à l'intelligence artificielle (AIM@BP)

L'autogestion des maladies chroniques implique des comportements complexes, et les patients varient dans leur adhésion à ces comportements. L'objectif de cette proposition est l'observance thérapeutique, car le fait que les patients ne prennent pas leurs médicaments conformément aux prescriptions est une cause majeure de morbidité et de mortalité excessives et d'augmentation des coûts des soins de santé. Des études suggèrent que 33 à 50 % des patients ne prennent pas correctement leurs médicaments, ce qui contribue à près de 100 000 décès prématurés chaque année et à 290 milliards de dollars en coûts de soins de santé. L'adhésion aux médicaments antihypertenseurs est d'une importance particulière en soi, et l'hypertension peut servir d'état traceur important pour mieux comprendre et améliorer l'adhésion aux médicaments de manière plus générale. L'hypertension non contrôlée est une cause majeure d'accident vasculaire cérébral, de maladie coronarienne, d'insuffisance cardiaque et de mortalité, et le non-respect des médicaments est une cause majeure d'hypertension non contrôlée. Par exemple, dans une étude d'un an portant sur environ 5 000 patients hypertendus, la plupart des patients ne prenaient leurs médicaments que par intermittence, la moitié des patients finissant par interrompre leurs médicaments contre l'avis médical.

L'amélioration de l'observance thérapeutique nécessite de relever de multiples défis, car les patients ont généralement diverses raisons de ne pas prendre leurs médicaments comme prescrit, telles que des croyances sur leur maladie et son traitement, des défis organisationnels et des obstacles financiers. De plus, à mesure que les régimes, l'état de santé et le contexte social des patients changent au fil du temps, les interventions de soutien à l'observance doivent s'adapter, mais la plupart des services manquent de flexibilité pour le faire.

Les services de santé mobile (mHealth) tels que la messagerie texte ou les SMS pour les patients se sont révélés prometteurs pour améliorer l'observance thérapeutique. Cependant, comme presque tous les services mHealth sont basés sur des protocoles simplistes et déterministes, ces interventions n'ont pas la capacité de répondre aux besoins changeants complexes des patients. En conséquence, ces systèmes rudimentaires n'ont démontré que des effets modestes qui ont tendance à diminuer avec le temps. Les chercheurs proposent d'appliquer des méthodes d'intelligence artificielle (IA), en particulier l'apprentissage par renforcement (un type d'IA), pour développer un système modèle d'observance médicamenteuse capable d'adapter automatiquement la communication par SMS pour améliorer la prise individuelle de médicaments.

Le projet proposé est le résultat d'une nouvelle collaboration multidisciplinaire entre des experts de l'UM du Collège de pharmacie, du Collège d'ingénierie et de l'École de médecine. Notre objectif à long terme est d'améliorer les résultats de santé à l'aide d'outils de santé mobiles améliorés par l'intelligence artificielle (IA). L'objectif de l'étude pilote proposée est de développer un programme mHealth basé sur l'apprentissage par renforcement axé sur l'observance des médicaments chez les patients souffrant d'hypertension mal contrôlée. Nos hypothèses centrales sont qu'un système SMS qui utilise l'apprentissage par renforcement (RL) : sera acceptable pour les patients, s'adaptera aux besoins et préférences uniques des patients hypertendus en matière d'adhésion et aux changements de ces besoins au fil du temps, et améliorera l'adhésion aux médicaments et le contrôle de la pression artérielle . Les objectifs spécifiques sont :

1. Développer des méthodes RL pour la prise de décision adaptative dans des environnements centrés sur l'humain et démontrer la faisabilité de l'intervention adaptative d'observance médicamenteuse SMS basée sur RL,
2. Démontrer "l'apprentissage" par le système adaptatif RL-base en utilisant des données montrant l'adaptation du flux de messages SMS en fonction de la variation entre les patients et au fil du temps dans les raisons de la non-adhésion, et
3. Examiner l'efficacité potentielle de l'intervention SMS adaptative basée sur RL en ce qui concerne l'amélioration de l'observance des médicaments et de la pression artérielle systolique.

Les résultats de ce projet pilote comprendront une nouvelle technologie AI/RL et des preuves concernant son utilisation dans le monde réel basées sur l'expérience d'un échantillon d'adultes souffrant d'hypertension mal contrôlée. Ces résultats seront utilisés pour soutenir une application R01 pour une étude plus large et plus définitive de l'impact de l'intervention sur la santé des patients et les comportements d'observance à long terme. À plus long terme, cette infrastructure de soutien à l'autogestion de la santé mobile améliorée par l'IA et une collaboration sans précédent entre les chercheurs en pharmacie, en médecine et en informatique jetteront les bases d'un programme plus vaste de recherche financé par les NIH utilisant des approches d'IA similaires pour relever les défis du changement de comportement dans un grand nombre de problèmes de santé et de soins de santé.