Vědci se snaží využít umělou inteligenci k pomoci při detekci a léčbě bipolární poruchy

V nedávném rozhovoru s Michigan Daily vysvětlili dva profesoři umělé inteligence – Melvin McInnis a Emily Provost – jak může umělá inteligence pomoci lidem trpícím bipolární poruchou.

McInnis je profesor bipolární poruchy a deprese a již více než 30 let se zabývá výzkumem těchto stavů. Mezitím je Provost asociativní profesorkou počítačových věd a elektrotechniky. Podle Michigan Daily nedávno tyto dva výzkumníci přednesli přednášku nazvanou „Umělá inteligence, personalizovaná technologie a duševní zdraví“ v Ann Arbor, Michigan.

McInnis a Provost se snaží vytvořit umělou inteligenci, která by mohla pomoci diagnostikovat lidi trpící bipolární poruchou. McInnis vysvětlil, že jedním z příznaků bipolární poruchy jsou řečové vzorce. Umělá inteligence by mohla potenciálně rozpoznat jemné změny v řečových vzorcích a usnadnit diagnózu bipolární poruchy. McInnis vysvětluje, že systém, který může zachytit psychologické markery v řeči, by mohl být použit k vytvoření aplikace pro včasné varování, která upozorní trpící a jejich blízké, že může být blízká epizoda.

Příbuzní těch, kteří trpí bipolární poruchou, by se mohli uklidnit a jít o své denní záležitosti, vědouce, že budou upozorněni, pokud budou zpozorovány známky blížící se epizody bipolární poruchy. Mezitím by systém mohl pomoci lidem trpícím bipolární poruchou získat více nezávislosti a umožnit jim získat včasnou pomoc, jakmile budou upozorněni na možnou epizodu bipolární poruchy.

McInnis vysvětlil:

„Vaše zařízení může vydávat upozornění a říkat: ‚Možná byste měli brzy mluvit se svým lékařem‘. Můžete sdílet tyto informace se svou péčí, se svou podpůrnou sítí, abyste mohli být součástí týmu, který vám pomáhá zůstat déle zdravý.“

Jedním z hlavních problémů při implementaci systému, který se spoléhá na detekci známek duševní nemoci, je, že kulturní rozdíly po celém světě mohou ovlivnit, jak se projevují známky a příznaky. Bude existovat jiný „normální“ základ pro různé kultury. Pokud však bude dán správný tréninkový datový soubor, systém diagnostiky poháněný umělou inteligencí by mohl doufát, že kompenzuje tyto rozdíly.

Práce, kterou McInnis a Provost provádějí, by mohla zachránit životy. Zachycení známek rozvíjející se duševní zdravotní krize by mohlo potenciálně zabránit pokusům o sebevraždu, jak McInnis uznává, že asi 20 % pacientů s bipolární poruchou, se kterými pracuje, nakonec spáchá sebevraždu.

Jiní výzkumníci také experimentují s použitím umělé inteligence k zlepšení diagnostiky a léčby bipolární poruchy. Zdnet nedávno oznámil, že Dr. Amir Dezfouli, spojený s Commonwealth Scientific and Industrial Research Organisation (CSIRO), nedávno vytvořil hru poháněnou umělou inteligencí, která může zlepšit míru diagnostiky bipolární poruchy a deprese. Podle Dezfouliho je目前 asi 60% šance na nesprávnou diagnózu bipolární nemoci jako deprese, ale algoritmy strojového učení mohou zlepšit míru diagnostiky.

Dezfouli a další navrhli hru, která monitoruje chování pacienta pomocí metrik, které jsou známy jako předpovědi bipolární poruchy. Zatímco tyto metriky mohou být obtížně interpretovatelné i pro vyškolené klinické pracovníky, algoritmy strojového učení používané k analýze dat úspěšně snížily míru nesprávné diagnostiky na 20-40%.

Mezitím se SilverCloud Health a Microsoft (MSFT ) spojily, aby poskytly lepší péči o duševní zdraví lidem online. SilverCloud je digitální platforma pro duševní zdraví s aktuálně největší základnou reálných uživatelů na světě, podle PharmaTimes. SilverCloud se popisuje jako služba založená na důkazech, která doufá, že poskytne svým uživatelům zdroje pro duševní zdraví efektivním způsobem, poskytujícím pacientům klinické služby za dostupnou cenu.

Microsoft bude spolupracovat se SilverCloud, aby použila strojové učení a algoritmy umělé inteligence k umožnění poskytování personalizované péče o duševní zdraví uživatelům služeb SilverCloud Health. Algoritmy, které budou použity na platformě SilverCloud, by mohly umožnit včasné zásahy pro ty, kteří trpí duševními poruchami.