人工知能とモバイルヘルスツールを使用した患者中心の疼痛ケア (REACT (AI CBT))

認知行動療法 (CBT) は、慢性腰痛に対する最も効果的な治療法の 1 つです。 しかし、訓練を受けたCBTセラピストにアクセスできるのは退役軍人の半分だけであり、プログラムの拡大には費用がかかります。 さらに、VA CBT プログラムは、希少なリソースが可能な限り効果的かつ効率的に使用されるように設計された段階的ケア モデルとは同期していないアプローチを使用して提供される、毎週 10 回の 1 時間のセッションで構成されています。 以前のCBT試験からのデータは、長期治療に対する患者のニーズに大きなばらつきがあることを実証しており、効果的なプログラムの特徴も大きく異なります。 最初の数回のセッションで改善する患者もいますが、より広範な接触が必要な患者もいます。 最初に行動計画を確立した後、さらに他の退役軍人は、マニュアル、セラピストとの短いフォローアップ連絡、自動化された電話モニタリングとセルフケア サポート コールを個別に組み合わせて使用​​することで、行動と症状の目標を達成できる可能性があります。 研究者らは国家疼痛管理プログラムと協力して、「強化学習」（ロボット工学やオンライン消費者ターゲティングで成功的に使用されている人工知能またはAIの分野）の最先端の原理を適用して証拠を開発することを提案している。各退役軍人の固有の変化するニーズに自動的に適応する、ベースのパーソナライズされた CBT 疼痛管理サービス (AI-CBT)。 AI-CBT は、歩数計の歩数によって毎日測定される痛み関連機能の進歩に関する患者からのフィードバックを使用して、患者サポートの強度と種類を自動的にパーソナライズします。これにより、不足しているセラピストのリソースが可能な限り効率的に使用され、固定予算のプログラムでより多くの退役軍人にサービスを提供できる可能性があります。 この研究の具体的な目的は次のとおりです。(1) AI-CBT が標準の電話 CBT と比較して疼痛関連のアウトカムが劣っていないことを実証する。 (2) セラピスト全体の時間が短縮され、他の退役軍人医療サービスの利用が増加しないことからわかるように、AI-CBT が希少な臨床医リソースをより効率的に使用してこれらの成果を達成することを文書化する。 (3) プログラムへの参加、疼痛管理スキルの習得、治療への満足度、患者の脱落の可能性など、治療反応に関連する近似結果に対する介入の影響を実証する。 研究者は、患者、臨床医、VA 運営パートナーとの定性的インタビューを使用して、サービスが拡張性、広範な導入、影響を最大化する機能を備えていることを確認します。 慢性腰痛患者 278 名が VA Connecticut Healthcare System と VA Ann Arbor Healthcare System から募集され、電話 CBT と AI-CBT の標準的な 10 セッションに無作為に割り付けられます。 すべての患者は毎週 1 時間の電話カウンセリングから開始されますが、AI-CBT グループの患者の場合、顕著な治療反応が示された患者は、次のような 1 時間のコンタクトに代わる、よりリソースをあまり消費しない代替手段を通じて降格されます。セラピストとの 15 分間のコンタクト、および (b) 自動音声応答通話 (IVR) を介して提供される CBT 臨床医のフィードバック。 AI エンジンは、患者の歩数計で測定された歩数、CBT スキルの実践、身体機能に関する IVR を介した毎日のフィードバックに基づいて、患者個人に合わせた治療計画の観点から何が最も効果的かを学習します。 研究者が使用する AI アルゴリズムは、その患者自身の病歴だけでなく、他の同様の患者の集合的な経験に基づいて、システムが特定の患者に何が最適かを学習できるように、可能な限り効率的になるように設計されています。 研究者の仮説は、AI-CBT は標準的なアプローチよりも悪くない (そしておそらくは良い) 痛みに関連した機能的結果をもたらすが、接触の強度を減らすことで痛みのコントロールにわずかな向上をもたらさないというものです。 AI-CBT アプローチは、治療時間の点で大幅にコストが削減されます。 二次仮説は、AI-CBT によって患者の関与と満足度が向上するというものです。 結果は採用後 3 か月と 6 か月で測定され、痛みに関連した介入、治療の満足度、治療の中止などが含まれます。