使用负责任的人工智能 (AI) 预测在线治疗结果和参与度

精神障碍在很大程度上导致了全球疾病负担，但许多人无法获得精神卫生保健。 这种治疗差距部分是由于结构（例如可用性）和态度相关（例如 害怕耻辱）寻求医疗保健的障碍。 数字心理健康干预或数字心理治疗形式的数字治疗 (DTx) 可能是解决这个问题的方法。 信息和通信技术 (ICT) 与精神卫生保健的整合有可能提高护理提供的效率并实现个性化治疗。 对来自数字心理治疗程序的大型数据集进行基于人工智能 (AI) 的分析可能有助于开发和验证个性化预测模型。 个人参与的预测和不良参与模式的早期识别可能会改善 DTx 的个性化，这可能有助于减少依从性并改善治疗结果。 DTx 结果和参与模式的个性化预测可以通过实施基于 AI 的方法（例如机器学习预测模型）来实现。 个性化预测模型可能有助于更好地了解在现实环境中谁从哪种 DTx 中获利最多。 总之，DTx 治疗结果和参与的个性化可以 i) 改善患者-临床医生二人组的决策过程，ii) 提高数字心理治疗的效率，iii) 减少患者的痛苦，以及 iv) 减少与心理健康相关的直接和间接成本关心。 在基于 AI 的预测模型中，需要考虑由于心理健康引起的潜在歧视。 无偏见和无歧视的人工智能通常被称为负责任的人工智能。 在基于特定数据集的基于 AI 的预测模型中考虑偏差在精神卫生保健中尤为重要，以防止加速健康歧视。

本研究旨在开发基于 AI 的模型，用于对参与数字心理治疗的患者的治疗参与度和治疗结果进行个性化预测。 数字心理治疗项目中的大量真实世界患者数据集将用于训练 AI 算法。 负责任的 AI 算法将通过描述、解释和减轻基于 AI 模型中精神障碍的严重程度引起的偏差来开发，此外还要考虑由于其他敏感属性（如性别、种族和社会人口统计状况）引起的偏差。 拟议项目的目的是根据来自加拿大里贾纳大学的 Heather Hadjistavropoulos 教授的在线治疗单元的数据，估计基于 AI 的治疗参与和结果预测模型。 Online Therapy Unit 数据集包含大量来自精神障碍患者的 DTx 数据（作为 2013 年至 2021 年 Online Therapy Unit 研究试验的一部分收集），来源于公共资助、互联网提供的认知行为疗法(iCBT) 计划在加拿大萨斯喀彻温省开展。 总而言之，Online Therapy Unit 数据集非常适合作为基于 AI 的预测模型的训练和测试数据集，因为它包含大量参与者、从与临床试验相对的现实世界中检索的纵向数据以及丰富的数据集的预测特征。