System rekomendacji doświadczeń pacjentów do dostosowywania komunikacji perswazyjnej (PERSPECT)

Aby zmaksymalizować perspektywę pacjenta i skutecznie wspierać wybory związane ze stylem życia, opracujemy „System rekomendacji doświadczeń pacjenta do dostosowywania komunikacji perswazyjnej”. PERSPeCT to adaptacyjny system komputerowy, który oceni indywidualną perspektywę pacjenta, zrozumie preferencje pacjenta dotyczące komunikatów zdrowotnych i zapewni spersonalizowaną, przekonującą komunikację dotyczącą zdrowia, odpowiednią dla danego pacjenta.

Badacze proponują przezwyciężenie kluczowych słabości istniejących odgórnych, kierowanych przez ekspertów interwencji w zakresie komunikacji zdrowotnej poprzez zastosowanie zaawansowanych algorytmów uczenia maszynowego w celu adaptacyjnego rekomendowania wiadomości w oparciu o „zbiorową inteligencję” tysięcy pacjentów. Ta praca wykorzysta zmieniające paradygmat podejście „Web 2.0” do adaptacyjnej personalizacji z potencjałem szerokiego wpływu na dziedzinę komputerowej komunikacji zdrowotnej (CTHC).

Korzystając z wiedzy ekspertów naukowych, obecne interwencje CTHC gromadzą podstawowe „profile” pacjentów, a następnie wykorzystują opracowane przez ekspertów, oparte na regułach systemy do kierowania wiadomości do podzbiorów pacjentów. Te interwencje dotyczące segmentacji rynku są obiecujące, jeśli chodzi o pomoc niektórym pacjentom w osiągnięciu celów związanych ze stylem życia. Chociaż teoretycznie rozsądne, systemy oparte na regułach mogą nie uwzględniać koncepcji społeczno-kulturowych, które mają samoistne znaczenie dla populacji docelowej, ograniczając w ten sposób ich znaczenie. Ponadto zasady nie dostosowują się do opinii pacjentów.

Poza opieką zdrowotną firmy takie jak Google, Amazon, Netflix i Pandora szeroko wykorzystują adaptacyjne systemy rekomendacji, aby dostarczać treści o większym znaczeniu osobistym. Systemy te wykorzystują algorytmy uczenia maszynowego do uzyskiwania spersonalizowanych rekomendacji z różnych źródeł danych, w tym informacji zwrotnych o preferencjach zebranych od poszczególnych użytkowników.

W ramach tego pilotażowego instytutu badań nad wynikami skoncentrowanymi na pacjencie (PCORI) badacze zajmą się wyzwaniami związanymi z dostosowaniem systemów rekomendacji uczenia maszynowego do CTHC w konkretnym kontekście wspomagania decyzji pacjenta o rzuceniu palenia. Śledczy wybrali tę domenę, ponieważ palenie jest główną przyczyną śmierci, której można zapobiec, oraz ponieważ dysponujemy istniejącą bazą danych zawierającą 1000 przekonujących komunikatów opracowanych w ramach bieżącego grantu federalnego (R01 CA129091). Szczegółowe cele studiów to:

Cel 1: Zebranie danych typu Explicit Feedback w celu przeszkolenia PERSPEKTU Zrekrutuj 700 palaczy, stosując wiele uzupełniających się strategii i korzystając z interfejsu internetowego, poproś palaczy o przedstawienie (a) perspektyw dotyczących palenia i rzucania palenia oraz informacji dotyczących kontekstu społeczno-kulturowego oraz (b) ocen wpływowego aspektu komunikatów o zaprzestaniu palenia.

Cel 2: Zaprojektować, wdrożyć i zweryfikować dostosowane ramy rekomendacji Będzie to obejmować (a) opracowanie i wdrożenie systemu rekomendacji uczenia maszynowego, który integruje profile pacjentów, metadane wiadomości, wyświetlenia strony internetowej i oceny wpływu oraz (b) szkolenie modelu i walidację jego wydajność predykcyjną.

Cel 3: Przeprowadzenie pilotażowego badania z randomizacją (n = 120 palaczy) PERSPEKTU. Badacze wysuwają hipotezę, że system PERSPeCT (H1) wybiera wiadomości o rosnącym wpływie, ponieważ palacze wystawiają więcej ocen wiadomości i (H2) wybiera wiadomości o większym wpływie niż system CTHC oparty na regułach, gdy palacze dostarczają wystarczającą liczbę ocen. Systemy CTHC wspierają decyzje pacjentów o zachowaniach, stylu życia i wyborach. PERSPeCT dotyczy obszarów zainteresowania PCORI, a mianowicie: 1) Identyfikacja, testowanie i/lub ocena metod, które można wykorzystać do oceny perspektywy pacjenta podczas badania zachowań, stylu życia i wyborów pozostających pod kontrolą pacjenta; oraz 2) opracowywanie, udoskonalanie, testowanie i/lub ocenianie podejść skoncentrowanych na pacjencie, w tym narzędzi wspomagających podejmowanie decyzji. Zespół badawczy ma wyjątkową pozycję, aby osiągnąć te ambitne cele w ramach tego programu pilotażowego PCORI, ponieważ badacze wykorzystają istniejącą bazę danych perswazyjnych komunikatów z poprzedniego badania, dwa lata danych na temat skuteczności tych komunikatów oraz interdyscyplinarny zespół z doświadczenie w komunikacji zdrowotnej, inżynierii systemów internetowych i systemach rekomendujących uczenia maszynowego.