Använda Ansvarsfull Artificiell Intelligens (AI) för att förutsäga onlineterapiresultat och engagemang

Psykiska störningar bidrar i hög grad till den globala sjukdomsbördan, men många människor har inte tillgång till psykisk vård. Denna behandlingsgap beror delvis på strukturell (t.ex. tillgänglighet) och attitydrelaterad (t.ex. rädsla för stigma) barriärer i vårdsökande. Digital terapi (DTx) i form av digitala mentalvårdsinsatser eller digital psykoterapi kan vara lösningen på detta problem. Integreringen av informations- och kommunikationsteknik (IKT) och mentalvård har potential att öka effektiviteten i vårdutbudet och möjliggör personalisering av behandlingar. Artificiell intelligens (AI)-baserad analys av stora datamängder från digitala psykoterapiprogram kan göra det möjligt att utveckla och validera personliga prediktionsmodeller. Förutsägelsen av individuellt engagemang och den tidiga identifieringen av ogynnsamma engagemangsmönster kan förbättra personaliseringen av DTx, vilket kan bidra till att minska bristande efterlevnad och förbättra behandlingsresultatet. Den personliga förutsägelsen av DTx-resultat och engagemangsmönster kan uppnås genom att implementera AI-baserade tillvägagångssätt, såsom förutsägelsemodeller för maskininlärning. Personliga förutsägelsemodeller kan leda till en bättre förståelse för vem som tjänar mest på vilken typ av DTx i en verklig miljö. Sammantaget kan personalisering av DTx behandlingsresultat och engagemang i) förbättra beslutsprocesser i patient-kliniker dyader, ii) förbättra effektiviteten av digital psykoterapi, iii) minska lidande hos patienter och iv) minska direkta och indirekta kostnader relaterade till mental hälsa vård. Det finns ett behov av att ta hänsyn till potentiell diskriminering på grund av psykisk hälsa i AI-baserade förutsägelsemodeller. Opartisk och icke-diskriminerande AI kallas ofta för ansvarsfull AI. Redovisning av fördomar i AI-baserade förutsägelsemodeller baserade på en specifik datauppsättning är särskilt viktigt inom mentalvården för att förhindra acceleration av hälsodiskriminering.

Denna studie är att utveckla AI-baserade modeller för personlig förutsägelse av behandlingsengagemang och behandlingsresultat hos patienter som deltar i digital psykoterapi. En stor, verklig datauppsättning av patienter i ett digitalt psykoterapiprogram kommer att användas för att träna AI-algoritmer. Ansvarsfulla AI-algoritmer kommer att utvecklas genom att beskriva, redogöra för och mildra partiskhet på grund av svårighetsgraden av mentala störningar i AI-baserade modeller, förutom att ta hänsyn till partiskhet på grund av andra känsliga attribut, såsom kön, etnicitet och sociodemografisk status. Syftet med det föreslagna projektet är att uppskatta AI-baserade prediktionsmodeller för behandlingsengagemang och resultat baserat på data från Online Therapy Unit av professor Heather Hadjistavropoulos från University of Regina, Kanada. Databasen Online Therapy Unit innehåller en stor mängd data om DTx från personer med psykiska störningar (insamlade som en del av forskningsstudier i Online Therapy Unit från 2013 till 2021) och kommer från den offentligt finansierade, internetlevererade, kognitiv beteendeterapin (iCBT)-program i Saskatchewan, Kanada. Sammanfattningsvis är datauppsättningen Online Therapy Unit mycket lämplig som en tränings- och testdatauppsättning för AI-baserade prediktionsmodeller, eftersom den består av ett stort antal deltagare, longitudinella data hämtade från den verkliga världen i motsats till en klinisk prövning, och en rik uppsättning av prediktiva funktioner.