인공지능과 모바일 건강 도구를 활용한 환자 중심의 통증 관리 (REACT (AI CBT))

인지 행동 치료(CBT)는 만성 요통에 가장 효과적인 치료법 중 하나입니다. 그러나 재향 군인의 절반만이 훈련된 CBT 치료사를 이용할 수 있으며 프로그램 확장에는 비용이 많이 듭니다. 또한 VA CBT 프로그램은 부족한 자원을 최대한 효과적이고 효율적으로 사용하도록 설계된 단계별 치료 모델과 동기화되지 않은 접근 방식을 사용하여 제공되는 10주 1시간 세션으로 구성됩니다. 이전 CBT 시험의 데이터는 연장된 치료에 대한 환자의 요구에 상당한 변화가 있음을 문서화했으며 효과적인 프로그램의 특성은 크게 다릅니다. 일부 환자는 처음 몇 번의 세션 후에 호전되는 반면 다른 환자는 더 광범위한 접촉이 필요합니다. 처음에 행동 계획을 수립한 후, 여전히 다른 재향군인들은 개인화된 매뉴얼 조합, 치료사와의 짧은 후속 연락, 자동 전화 모니터링 및 자가 관리 지원 통화를 사용하여 행동 및 증상 목표에 도달할 수 있습니다. 국가 통증 관리 프로그램과 협력하여 조사관은 "강화 학습"(로봇 공학 및 온라인 소비자 타겟팅에 성공적으로 사용되는 인공 지능 또는 AI 분야)의 최첨단 원칙을 적용하여 증거를 개발할 것을 제안합니다. -각 퇴역 군인의 고유하고 변화하는 요구에 자동으로 적응하는 맞춤형 CBT 통증 관리 서비스(AI-CBT). AI-CBT는 만보계 걸음 수를 통해 매일 측정되는 통증 관련 기능의 진행 상황에 대한 환자의 피드백을 사용하여 환자 지원의 강도와 유형을 자동으로 개인화합니다. 이를 통해 부족한 치료사 자원을 가능한 한 효율적으로 사용하고 잠재적으로 고정된 예산으로 더 많은 재향군인에게 서비스를 제공할 수 있는 프로그램을 허용합니다. 연구의 구체적인 목표는 다음과 같습니다. (1) AI-CBT가 표준 전화 CBT에 비해 통증 관련 결과가 열등하지 않음을 입증합니다. (2) AI-CBT가 전체 치료사 시간이 적고 다른 VA 건강 서비스 사용이 증가하지 않음으로 입증된 바와 같이 부족한 임상 자원을 보다 효율적으로 사용하여 이러한 결과를 달성한다는 것을 문서화합니다. (3) 프로그램 참여, 통증 관리 기술 습득, 치료에 대한 만족도, 환자의 탈락 가능성을 포함하여 치료 반응과 관련된 근접 결과에 대한 개입의 영향을 입증합니다. 조사관은 환자, 임상의 및 VA 운영 파트너와의 질적 인터뷰를 사용하여 서비스가 확장성, 광범위한 채택 및 영향을 최대화하는 기능을 갖도록 합니다. 278명의 만성 허리 통증 환자가 VA Connecticut Healthcare System과 VA Ann Arbor Healthcare System에서 모집되어 전화 CBT 대 AI-CBT의 표준 10회 세션에 무작위 배정됩니다. 모든 환자는 매주 1시간 전화 상담을 시작하지만, AI-CBT 그룹 환자의 경우 상당한 치료 반응을 보이는 환자는 다음을 포함하여 1시간 전화 상담에 대한 덜 자원 집약적인 대안을 통해 단계를 낮춥니다. (a) 치료사와의 15분 접촉 및 (b) 대화형 음성 응답 통화(IVR)를 통해 제공되는 CBT 임상의 피드백. AI 엔진은 IVR을 통한 환자의 만보계 측정 걸음 수, CBT 기술 실습 및 신체 기능에 대한 일일 피드백을 기반으로 환자 개인 맞춤형 치료 계획 측면에서 가장 효과적인 것이 무엇인지 학습합니다. 조사관이 사용할 AI 알고리즘은 가능한 한 효율적으로 설계되어 시스템이 다른 유사한 환자의 집단적 경험과 개인의 병력을 기반으로 주어진 환자에게 가장 적합한 것을 학습할 수 있습니다. 조사관의 가설은 AI-CBT가 표준 접근 방식보다 나쁘지 않은(그리고 아마도 더 나은) 통증 관련 기능적 결과를 가져올 것이지만, 통증 조절에서 한계 이득을 가져오지 않는 접촉 강도를 축소함으로써 AI-CBT 접근 방식은 치료 시간 측면에서 비용이 훨씬 적게 듭니다. 두 번째 가설은 AI-CBT가 환자 참여와 환자 만족도를 높일 것이라는 것입니다. 결과는 모집 후 3개월 및 6개월에 측정되며 통증 관련 간섭, 치료 만족도 및 치료 중단을 포함합니다.