Wykorzystanie odpowiedzialnej sztucznej inteligencji (AI) do przewidywania wyników terapii online i zaangażowania

Zaburzenia psychiczne w znacznym stopniu przyczyniają się do globalnego obciążenia chorobami, ale wiele osób nie ma dostępu do opieki psychiatrycznej. Ta luka w leczeniu jest częściowo spowodowana strukturą (np. dostępność) i postawą (np. strach przed stygmatyzacją) bariery w poszukiwaniu opieki zdrowotnej. Rozwiązaniem tego problemu może być terapia cyfrowa (DTx) w postaci cyfrowych interwencji w zakresie zdrowia psychicznego lub cyfrowej psychoterapii. Integracja technologii informacyjno-komunikacyjnych (ICT) i opieki nad zdrowiem psychicznym może potencjalnie zwiększyć efektywność świadczenia opieki i umożliwia personalizację leczenia. Oparta na sztucznej inteligencji (AI) analiza dużych zbiorów danych z cyfrowych programów psychoterapeutycznych może pozwolić na opracowanie i zweryfikowanie spersonalizowanych modeli predykcyjnych. Przewidywanie indywidualnego zaangażowania i wczesna identyfikacja niepożądanych wzorców zaangażowania może poprawić personalizację DTx, co może pomóc w zmniejszeniu nieprzestrzegania zaleceń i poprawić wyniki leczenia. Spersonalizowane przewidywanie wyników DTx i wzorców zaangażowania można osiągnąć poprzez wdrożenie podejść opartych na sztucznej inteligencji, takich jak modele przewidywania uczenia maszynowego. Spersonalizowane modele predykcyjne mogą prowadzić do lepszego zrozumienia, kto najbardziej zyskuje na jakim rodzaju DTx w rzeczywistych warunkach. Podsumowując, personalizacja wyników leczenia DTx i zaangażowanie może i) usprawnić procesy decyzyjne w diadach pacjent-lekarz, ii) poprawić efektywność cyfrowej psychoterapii, iii) zmniejszyć cierpienie pacjentów oraz iv) zmniejszyć bezpośrednie i pośrednie koszty związane ze zdrowiem psychicznym opieka. Istnieje potrzeba uwzględnienia potencjalnej dyskryminacji ze względu na zdrowie psychiczne w modelach prognostycznych opartych na sztucznej inteligencji. Bezstronna i niedyskryminująca sztuczna inteligencja jest często określana jako odpowiedzialna sztuczna inteligencja. Uwzględnienie błędu systematycznego w modelach prognostycznych opartych na sztucznej inteligencji opartych na określonym zbiorze danych jest szczególnie ważne w opiece nad zdrowiem psychicznym, aby zapobiec przyspieszeniu dyskryminacji ze względu na zdrowie.

To badanie ma na celu opracowanie modeli opartych na sztucznej inteligencji do spersonalizowanego przewidywania zaangażowania w leczenie i wyników leczenia u pacjentów zaangażowanych w psychoterapię cyfrową. Duży, rzeczywisty zbiór danych pacjentów w cyfrowym programie psychoterapeutycznym zostanie wykorzystany do szkolenia algorytmów sztucznej inteligencji. Odpowiedzialne algorytmy sztucznej inteligencji zostaną opracowane poprzez opisywanie, uwzględnianie i łagodzenie uprzedzeń wynikających z ciężkości zaburzeń psychicznych w modelach opartych na sztucznej inteligencji, oprócz uwzględnienia uprzedzeń wynikających z innych wrażliwych atrybutów, takich jak płeć, pochodzenie etniczne i status społeczno-demograficzny. Celem proponowanego projektu jest oszacowanie opartych na sztucznej inteligencji modeli prognozowania zaangażowania i wyników leczenia na podstawie danych z Online Therapy Unit prof. Heather Hadjistavropoulos z University of Regina w Kanadzie. Zbiór danych Online Therapy Unit zawiera dużą ilość danych na temat DTx od osób z zaburzeniami psychicznymi (zebranych w ramach prób badawczych w Online Therapy Unit w latach 2013-2021) i pochodzi z finansowanej ze środków publicznych, dostarczanej przez Internet terapii poznawczo-behawioralnej (iCBT) w Saskatchewan w Kanadzie. Podsumowując, zestaw danych Online Therapy Unit jest bardzo odpowiedni jako zestaw danych szkoleniowych i testowych dla modeli predykcyjnych opartych na sztucznej inteligencji, ponieważ obejmuje dużą liczbę uczestników, dane podłużne pobrane z rzeczywistego świata w przeciwieństwie do badania klinicznego oraz bogaty zestaw cech predykcyjnych.