책임 있는 인공 지능(AI)을 사용하여 온라인 치료 결과 및 참여 예측
연구 개요
상세 설명
정신 장애는 세계적인 질병 부담에 크게 기여하지만 많은 사람들이 정신 건강 관리를 받지 못합니다. 이 치료 격차는 부분적으로는 구조적(예: 가용성) 및 태도 관련(예: 낙인에 대한 두려움) 의료 서비스를 찾는 데 장벽이 됩니다. 디지털 정신 건강 개입 또는 디지털 심리 치료 형태의 디지털 치료(DTx)가 이 문제에 대한 해결책이 될 수 있습니다. 정보 통신 기술(ICT)과 정신 건강 관리의 통합은 치료 전달의 효율성을 높이고 치료의 개인화를 가능하게 할 가능성이 있습니다. 디지털 심리 치료 프로그램의 대규모 데이터 세트에 대한 인공 지능(AI) 기반 분석을 통해 개인화된 예측 모델을 개발하고 검증할 수 있습니다. 개별 참여의 예측과 부적절한 참여 패턴의 조기 식별은 DTx의 개인화를 개선하여 비순응을 줄이고 치료 결과를 개선하는 데 도움이 될 수 있습니다. DTx 결과 및 참여 패턴의 개인화된 예측은 기계 학습 예측 모델과 같은 AI 기반 접근 방식을 구현하여 달성할 수 있습니다. 개인화된 예측 모델을 통해 실제 환경에서 어떤 종류의 DTx로부터 누가 가장 많은 이익을 얻는지 더 잘 이해할 수 있습니다. 종합하면, DTx 치료 결과 및 참여의 개인화는 i) 환자-임상 dyads의 의사 결정 프로세스를 개선하고, ii) 디지털 심리 치료의 효율성을 개선하고, iii) 환자의 고통을 줄이고, iv) 정신 건강과 관련된 직간접 비용을 줄일 수 있습니다. 케어. AI 기반 예측 모델에서 정신 건강으로 인한 잠재적인 차별을 설명할 필요가 있습니다. 편파적이지 않고 차별적이지 않은 AI를 종종 책임 있는 AI라고 합니다. 특정 데이터 세트를 기반으로 하는 AI 기반 예측 모델의 편향을 설명하는 것은 건강 차별의 가속화를 방지하기 위해 정신 건강 관리에서 특히 중요합니다.
본 연구는 디지털 심리치료에 참여하는 환자의 치료 참여 및 치료 결과에 대한 개인화된 예측을 위한 AI 기반 모델을 개발하는 것이다. 디지털 심리 치료 프로그램에 있는 환자의 대규모 실제 데이터 세트는 AI 알고리즘을 교육하는 데 사용됩니다. 책임감 있는 AI 알고리즘은 성별, 민족, 사회 인구학적 상태와 같은 다른 민감한 속성으로 인한 편견을 고려하는 것 외에도 AI 기반 모델에서 정신적 장애의 심각성으로 인한 편견을 설명, 설명 및 완화함으로써 개발될 것입니다. 제안된 프로젝트의 목표는 캐나다 레지나 대학의 Heather Hadjistavropoulos 교수가 온라인 치료 장치의 데이터를 기반으로 치료 참여 및 결과에 대한 AI 기반 예측 모델을 추정하는 것입니다. Online Therapy Unit 데이터 세트는 정신 장애가 있는 사람들의 DTx에 대한 많은 양의 데이터(2013년부터 2021년까지 Online Therapy Unit의 연구 시험의 일부로 수집됨)를 포함하며 공적 자금 지원을 받는 인터넷 제공 인지 행동 치료에서 파생됩니다. (iCBT) 프로그램은 캐나다 서스캐처원주에 있습니다. 결론적으로 Online Therapy Unit 데이터셋은 다수의 참여자, 임상시험이 아닌 현실 세계에서 가져온 종적 데이터, 풍부한 세트로 구성되어 있어 AI 기반 예측 모델을 위한 훈련 및 테스트 데이터셋으로 매우 적합하다. 예측 기능.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Basel, 스위스, 4031
- University Hospital Basel, Department of Psychosomatic Medicine
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 2013년 11월 4일부터 2021년 12월 21일 사이에 Online Therapy Unit에서 제공되는 웰빙 코스 시험에 참여할 자격이 있는 것으로 선별된 참가자.
- iCBT 서비스를 평가하고 개선하기 위해 자신의 데이터를 사용하는 데 동의한 참가자.
- 과정 콘텐츠의 1과에 액세스하고 기본 설문지를 작성했습니다.
제외 기준:
- 데이터 수집 오류가 있는 경우에만 데이터가 제외됩니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
환자 건강 설문지 9항목(PHQ9)의 변화(변화율)
기간: 1주차부터 8주차까지
|
증상 개선을 평가하기 위한 PHQ9의 변화(변화율)와 디지털 심리 치료 개입 전후의 증상 개선 없음.
환자 건강 설문지(PHQ-9): 합계 = /27 ; 우울증 심각도: 0-4 없음, 5-9 경증, 10-14 중등도, 15-19 중등도, 20-27 중증.
|
1주차부터 8주차까지
|
|
일반 불안 장애-7 설문지(GAD7)의 변화(변화율)
기간: 1주차부터 8주차까지
|
증상 개선을 평가하기 위한 일반 불안 장애-7 설문지(GAD7)의 변화 대 디지털 심리 치료 개입 전후 증상 개선 없음.
0~4점: 경미한 불안 · 5~9점: 가벼운 불안 · 10~14점: 중간 정도의 불안 · 15점 이상: 심한 불안.
|
1주차부터 8주차까지
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
클라이언트에서 보낸 메시지 수
기간: 1주차부터 8주차까지
|
환자 메시지 수를 평가하여 디지털 심리 치료 개입에 대한 환자의 참여
|
1주차부터 8주차까지
|
|
클라이언트가 받은 메시지 수
기간: 1주차부터 8주차까지
|
치료사 메시지 수를 평가하여 디지털 심리 치료 개입에 대한 환자의 참여
|
1주차부터 8주차까지
|
|
의사 메모에 대한 전화 통화 수
기간: 1주차부터 8주차까지
|
전화 통화 수를 평가하여 디지털 심리 치료 개입에 대한 환자의 참여
|
1주차부터 8주차까지
|
|
클라이언트 로그인 횟수
기간: 1주차부터 8주차까지
|
액세스한 수업 수를 평가하여 디지털 심리 치료 개입에 대한 환자의 참여
|
1주차부터 8주차까지
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Gunther Meinlschmidt, Prof., University Hospital Basel, Department of Psychosomatic Medicine
간행물 및 유용한 링크
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
키워드
추가 관련 MeSH 약관
기타 연구 ID 번호
- 2022-02263; th23Meinlschmidt
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
정신 질환에 대한 임상 시험
-
Jordi Zaragoza아직 모집하지 않음