Forbedring av etterlevelse og resultater ved kunstig intelligens-tilpassede tekstmeldinger (AIM@BP)

Selvbehandling av kroniske tilstander innebærer kompleks atferd, og pasienter varierer i deres tilslutning til denne atferden. Fokuset i dette forslaget er medisinoverholdelse fordi pasienters manglende evne til å ta medisinene sine som foreskrevet er en viktig årsak til overdreven sykelighet og dødelighet og økte helsekostnader. Studier tyder på at 33-50 % av pasientene ikke tar medisinene sine riktig, noe som bidrar til nesten 100 000 for tidlige dødsfall hvert år og 290 milliarder dollar i helsekostnader. Overholdelse av antihypertensive medisiner er av spesiell betydning i seg selv, og hypertensjon kan tjene som en viktig sporingstilstand for å bedre forstå og forbedre medisinoverholdelsen mer generelt. Ukontrollert hypertensjon er en hovedårsak til hjerneslag, koronar hjertesykdom, hjertesvikt og dødelighet, og manglende overholdelse av medisiner er en viktig årsak til ukontrollert hypertensjon. For eksempel, i en ettårig studie av ~5000 hypertensive pasienter, tok de fleste pasientene sine medisiner bare periodisk, og halvparten av pasientene sluttet til slutt med medisinene sine mot medisinsk råd.

Forbedring av medisinoverholdelse krever å håndtere flere utfordringer fordi pasienter vanligvis har en rekke årsaker til å ikke ta medisinen som foreskrevet, for eksempel tro på sykdommen deres og dens behandling, organisatoriske utfordringer og kostnadsbarrierer. Videre, ettersom pasienters regimer, helsestatus og sosiale kontekst endres over tid, må etterlevelsesstøtteintervensjoner tilpasses, men de fleste tjenester mangler fleksibiliteten til å gjøre det.

Mobile helsetjenester (mHelse) som pasientens tekstmeldinger eller SMS har vist noe lovende når det gjelder å forbedre medisinoverholdelsen. Men siden nesten alle mHelse-tjenester er basert på forenklede, deterministiske protokoller, mangler disse intervensjonene kapasiteten til å møte pasientenes komplekse skiftende behov. Som en konsekvens har disse rudimentære systemene vist bare beskjedne effekter som har en tendens til å avta over tid. Etterforskerne foreslår å bruke metoder for kunstig intelligens (AI), spesielt Reinforcement Learning (en type AI), for å utvikle et modellsystem for medisinoverholdelse som automatisk kan tilpasse SMS-kommunikasjon for å forbedre individuell medisintaking.

Det foreslåtte prosjektet er et resultat av et nytt tverrfaglig samarbeid mellom UM-eksperter fra College of Pharmacy, College of Engineering og School of Medicine. Vårt langsiktige mål er å forbedre helseresultater ved å bruke forbedrede mobile helseverktøy med kunstig intelligens (AI). Målet med den foreslåtte pilotstudien er å utvikle et Reinforcement Learning-basert mHealth-program med fokus på medisinoverholdelse blant pasienter med dårlig kontrollert hypertensjon. Våre sentrale hypoteser er at et SMS-system som bruker Reinforcement Learning (RL) vil: være akseptabelt for pasienter, tilpasse seg hypertensjonspasienters unike adherensrelaterte behov og preferanser og endringer i disse behovene over tid, og forbedre medisinoverholdelse og blodtrykkskontroll. . De spesifikke målene er:

1. Utvikle RL-metoder for adaptiv beslutningstaking i menneskesentrerte miljøer og demonstrere gjennomførbarheten av den resulterende RL-baserte adaptive SMS-medisinoverholdelsesintervensjonen,
2. Demonstrere "læring" av det RL-baserte adaptive systemet ved å bruke data som viser tilpasning av SMS-meldingsstrømmen i henhold til variasjon på tvers av pasienter og over tid i årsakene til manglende overholdelse, og
3. Undersøk den potensielle effekten av den RL-baserte adaptive SMS-intervensjonen med hensyn til forbedringer i medisinoverholdelse og systolisk blodtrykk.

Resultatene av dette pilotprosjektet vil inkludere en ny AI/RL-teknologi og bevis for bruk i den virkelige verden basert på erfaring med et utvalg voksne med dårlig kontrollert hypertensjon. Disse resultatene vil bli brukt til å støtte en R01-applikasjon for en større og mer definitiv studie av intervensjonens innvirkning på pasienters helse og langsiktige adherensadferd. På lengre sikt vil denne AI-forbedrede støtteinfrastrukturen for mHealth-selvstyring og enestående samarbeid mellom etterforskere innen farmasi, medisin og informatikk legge grunnlaget for et større program med NIH-finansiert forskning som bruker lignende AI-tilnærminger for å møte utfordringer med atferdsendring. i et stort antall helse- og helseproblemer.