Melhorando a adesão e os resultados por meio de mensagens de texto adaptadas à inteligência artificial (AIM@BP)

O autogerenciamento de condições crônicas envolve comportamentos complexos, e os pacientes variam em sua adesão a esses comportamentos. O foco desta proposta é a adesão à medicação porque a falha dos pacientes em tomar seus medicamentos conforme prescritos é uma das principais causas de excesso de morbidade e mortalidade e aumento dos custos de saúde. Estudos sugerem que 33-50% dos pacientes não tomam seus medicamentos adequadamente, contribuindo para quase 100.000 mortes prematuras a cada ano e US$ 290 bilhões em custos de saúde. A adesão aos medicamentos anti-hipertensivos é de particular importância por si só, e a hipertensão pode servir como um marcador importante para entender melhor e melhorar a adesão à medicação de forma mais geral. A hipertensão não controlada é uma das principais causas de acidente vascular cerebral, doença cardíaca coronária, insuficiência cardíaca e mortalidade, e a não adesão à medicação é uma das principais causas de hipertensão não controlada. Por exemplo, em um estudo de um ano com cerca de 5.000 pacientes hipertensos, a maioria dos pacientes tomava seus medicamentos apenas de forma intermitente, com metade dos pacientes eventualmente descontinuando seus medicamentos contra orientação médica.

Melhorar a adesão à medicação requer enfrentar vários desafios, porque os pacientes geralmente têm vários motivos para não tomar a medicação conforme prescrito, como crenças sobre a doença e seu tratamento, desafios organizacionais e barreiras de custo. Além disso, como os regimes dos pacientes, o estado de saúde e o contexto social mudam ao longo do tempo, as intervenções de apoio à adesão precisam se adaptar, mas a maioria dos serviços não tem flexibilidade para fazê-lo.

Os serviços móveis de saúde (mHealth), como mensagens de texto ou SMS para pacientes, mostraram-se promissores para melhorar a adesão à medicação. No entanto, uma vez que quase todos os serviços de mHealth são baseados em protocolos simplistas e determinísticos, essas intervenções carecem da capacidade de atender às complexas necessidades de mudança dos pacientes. Como consequência, esses sistemas rudimentares demonstraram apenas efeitos modestos que tendem a diminuir com o tempo. Os investigadores propõem a aplicação de métodos de inteligência artificial (IA), especificamente Aprendizagem por Reforço (um tipo de IA), para desenvolver um sistema modelo de adesão à medicação que possa adaptar automaticamente a comunicação por SMS para melhorar a tomada individual de medicamentos.

O projeto proposto é o resultado de uma nova colaboração multidisciplinar entre especialistas da UM da Faculdade de Farmácia, Faculdade de Engenharia e Escola de Medicina. Nosso objetivo de longo prazo é melhorar os resultados de saúde usando ferramentas móveis de saúde aprimoradas com inteligência artificial (IA). O objetivo do estudo piloto proposto é desenvolver um programa de mHealth baseado em Reinforcement Learning focado na adesão à medicação entre pacientes com hipertensão mal controlada. Nossas hipóteses centrais são de que um sistema de SMS que usa Aprendizado por Reforço (RL) irá: ser aceitável para os pacientes, adaptar-se às necessidades e preferências únicas relacionadas à adesão dos pacientes com hipertensão e mudanças nessas necessidades ao longo do tempo, e melhorar a adesão à medicação e o controle da pressão arterial . Os objetivos específicos são:

1. Desenvolver métodos RL para tomada de decisão adaptativa em ambientes centrados no ser humano e demonstrar a viabilidade da intervenção de adesão à medicação SMS adaptativa baseada em RL resultante,
2. Demonstrar "aprendizado" pelo sistema adaptativo baseado em RL usando dados que mostram a adaptação do fluxo de mensagens SMS de acordo com a variação entre os pacientes e ao longo do tempo nos motivos da não adesão, e
3. Examine a eficácia potencial da intervenção SMS adaptativa baseada em RL com relação a melhorias na adesão à medicação e pressão arterial sistólica.

Os resultados deste projeto piloto incluirão uma nova tecnologia AI/RL e evidências sobre seu uso no mundo real com base na experiência com uma amostra de adultos com hipertensão mal controlada. Esses resultados serão usados ​​para dar suporte a uma aplicação do R01 para um estudo maior e mais definitivo do impacto da intervenção na saúde dos pacientes e nos comportamentos de adesão de longo prazo. A longo prazo, essa infraestrutura de suporte de autogerenciamento de mHealth aprimorada por IA e a colaboração sem precedentes entre investigadores em Farmácia, Medicina e Ciência da Computação estabelecerão as bases para um programa maior de pesquisa financiada pelo NIH usando abordagens de IA semelhantes para enfrentar os desafios de mudança de comportamento em um grande número de problemas de saúde e de saúde.