Bruk av ansvarlig kunstig intelligens (AI) for å forutsi resultat og engasjement for nettterapi

Psykiske lidelser bidrar i stor grad til den globale sykdomsbyrden, men mange mennesker har ikke tilgang til psykisk helsehjelp. Dette behandlingsgapet skyldes delvis strukturell (f.eks. tilgjengelighet) og holdningsrelatert (f.eks. frykt for stigma) barrierer i helsehjelp. Digital terapi (DTx) i form av digitale psykiske helseintervensjoner eller digital psykoterapi kan være løsningen på dette problemet. Integreringen av informasjons- og kommunikasjonsteknologi (IKT) og psykisk helsevern har potensiale til å øke effektiviteten av omsorgstilbudet og muliggjøre personalisering av behandlinger. Kunstig intelligens (AI)-basert analyse av store datasett fra digitale psykoterapiprogrammer kan gjøre det mulig å utvikle og validere personaliserte prediksjonsmodeller. Forutsigelsen av individuelt engasjement og tidlig identifisering av uheldige engasjementsmønstre kan forbedre personaliseringen av DTx, noe som kan bidra til å redusere manglende overholdelse og forbedre behandlingsresultatet. Den personlige prediksjonen av DTx-resultater og engasjementsmønstre kan oppnås ved å implementere AI-baserte tilnærminger, for eksempel Machine Learning-prediksjonsmodeller. Personlige prediksjonsmodeller kan føre til en bedre forståelse av hvem som tjener mest på hva slags DTx i virkelige omgivelser. Til sammen kan personalisering av DTx-behandlingsresultater og engasjement i) forbedre beslutningsprosesser i pasient-kliniker-dyader, ii) forbedre effektiviteten av digital psykoterapi, iii) redusere lidelse hos pasienter, og iv) redusere direkte og indirekte kostnader knyttet til psykisk helse omsorg. Det er behov for å redegjøre for potensiell diskriminering på grunn av psykisk helse i AI-baserte prediksjonsmodeller. Forutinntatt og ikke-diskriminerende AI blir ofte referert til som ansvarlig AI. Å redegjøre for skjevheter i AI-baserte prediksjonsmodeller basert på et spesifikt datasett er spesielt viktig i psykisk helsevern for å forhindre akselerasjon av helsediskriminering.

Denne studien skal utvikle AI-baserte modeller for personlig prediksjon av behandlingsengasjement og behandlingsresultater hos pasienter som deltar i digital psykoterapi. Et stort, virkelig datasett av pasienter i et digitalt psykoterapiprogram vil bli brukt til å trene AI-algoritmer. Ansvarlige AI-algoritmer vil bli utviklet ved å beskrive, redegjøre for og dempe skjevheter på grunn av alvorlighetsgraden av mentale forstyrrelser i AI-baserte modeller, i tillegg til å vurdere skjevhet på grunn av andre sensitive attributter, som kjønn, etnisitet og sosiodemografisk status. Målet med det foreslåtte prosjektet er å estimere AI-baserte prediksjonsmodeller for behandlingsengasjement og -resultater basert på data fra Online Therapy Unit av prof. Heather Hadjistavropoulos fra University of Regina, Canada. Datasettet Online Therapy Unit inneholder en stor mengde data om DTx fra mennesker med psykiske lidelser (samlet inn som en del av forskningsstudier i Online Therapy Unit fra 2013 til 2021) og er hentet fra offentlig finansiert, internettlevert, kognitiv atferdsterapi (iCBT) program i Saskatchewan, Canada. I sum er datasettet for Online Therapy Unit svært egnet som et trenings- og testdatasett for AI-baserte prediksjonsmodeller, ettersom det består av et stort antall deltakere, longitudinelle data hentet fra den virkelige verden i motsetning til en klinisk studie, og et rikt sett av prediktive funksjoner.