人工知能に適応したテキストメッセージによる遵守と成果の改善 (AIM@BP)

慢性疾患の自己管理には複雑な行動が含まれており、これらの行動の遵守度は患者によって異なります。 患者が処方どおりに薬を服用しないことは、過剰な罹患率と死亡率、および医療費の増加の主な原因であるため、この提案の焦点は服薬アドヒアランスにある。 研究によると、患者の 33 ～ 50% が適切に薬を服用しておらず、毎年 10 万人近い早期死亡と 2,900 億ドルの医療費の原因となっています。 降圧薬の服薬アドヒアランスはそれ自体が特に重要であり、高血圧は服薬アドヒアランスをよりよく理解し、より一般的に改善するための重要な追跡条件として機能します。 コントロールされていない高血圧は、脳卒中、冠状動脈性心疾患、心不全、死亡の主な原因であり、服薬不遵守はコントロールされていない高血圧の主な原因です。 たとえば、約 5,000 人の高血圧患者を対象とした 1 年間の研究では、ほとんどの患者が断続的に薬を服用し、半数の患者は最終的に医師のアドバイスに反して薬の服用を中止しました。

服薬アドヒアランスを改善するには、複数の課題に対処する必要があります。通常、患者が処方どおりに薬を服用しない理由はさまざまです。たとえば、病気やその治療法についての信念、組織上の課題、費用の壁などです。 さらに、患者の処方計画、健康状態、社会的状況は時間の経過とともに変化するため、アドヒアランス支援介入も適応する必要がありますが、ほとんどのサービスにはそのための柔軟性がありません。

患者のテキスト メッセージングや SMS などのモバイル ヘルス (mHealth) サービスは、服薬遵守の向上にある程度の期待を示しています。 しかし、ほとんどすべての mHealth サービスは単純化された決定論的なプロトコルに基づいているため、これらの介入には患者の複雑に変化するニーズを満たす能力がありません。 結果として、これらの初歩的なシステムは中程度の効果しか実証しておらず、時間の経過とともに減少する傾向があります。 研究者らは、人工知能 (AI) 手法、特に強化学習 (AI の一種) を適用して、SMS 通信を自動的に適応させて個々の服薬を改善できるモデル服薬遵守システムを開発することを提案しています。

提案されたプロジェクトは、薬学部、工学部、医学部の UM 専門家間の新たな学際的なコラボレーションの成果です。 私たちの長期的な目標は、人工知能 (AI) で強化されたモバイル健康ツールを使用して健康成果を向上させることです。 提案されたパイロット研究の目的は、コントロールが不十分な高血圧患者の服薬遵守に焦点を当てた強化学習ベースの mHealth プログラムを開発することです。 私たちの中心的な仮説は、強化学習 (RL) を使用した SMS システムは、患者に受け入れられ、高血圧患者特有のアドヒアランス関連のニーズと好み、およびこれらのニーズの経時変化に適応し、服薬アドヒアランスと血圧管理を改善するというものです。 。 具体的な目的は次のとおりです。

1. 人間中心の環境における適応的な意思決定のためのRL手法を開発し、その結果得られるRLベースの適応的なSMS服薬遵守介入の実現可能性を実証する。
2. 患者間および非遵守の理由の経時的変化に応じた SMS メッセージ ストリームの適応を示すデータを使用して、RL ベース適応システムによる「学習」を実証します。
3. 服薬アドヒアランスと収縮期血圧の改善に関して、RL ベースの適応型 SMS 介入の潜在的な有効性を検討します。

このパイロット プロジェクトの結果には、新しい AI/RL テクノロジーと、高血圧のコントロールが不十分な成人サンプルの経験に基づく実際の使用に関する証拠が含まれます。 これらの結果は、患者の健康と長期的な服薬遵守行動に対する介入の影響に関する大規模でより決定的な研究のための R01 申請をサポートするために使用されます。 長期的には、この AI で強化された mHealth 自己管理サポート インフラストラクチャと、薬学、医学、コンピューター サイエンスの研究者間の前例のないコラボレーションは、行動変容の課題に対処するために同様の AI アプローチを使用する、NIH の資金提供による大規模な研究プログラムの基礎を築くでしょう。多くの健康とヘルスケアの問題に関与しています。