AI kan forbedre psykisk sundhedspleje og kompensere for mangel på personale

Kunstig intelligens kunne hjælpe med at forbedre psykisk sundhedspleje, gøre den mere effektiv og løse personaleproblemer, der er klar til at påvirke psykiatrifeltet over de næste ti år. AI kan potentielt udlede komplekse mønstre fra data, mønstre som selv uddannede psykiatere og klinikere har svært ved at se. Desuden, som rapporteret af Time, kan AI hjælpe med at kompensere for kritiske mangel på psykisk sundhedsarbejdere, give patienter støtte uden for den tid, de tilbringer med en kliniker.

Over de næste fem år forventes det, at det amerikanske psykiske sundhedssystem kan mangle omkring 15.600 psykiatere, ifølge en studie offentliggjort af National Council for Behavioral Health. Dette betyder, at klinikeres og andre psykiske sundhedsprofessionelles tid og ressourcer vil blive spredt tyndt. Selv nu tilbringer klinikere typisk ikke meget tid med deres patienter, og ser af og til en patient kun en gang hver få måneder.

Kunstig intelligens har for nylig gjort enorme bidrag til det medicinske felt, forbedret diagnoseaccacuraten, brugt computer vision til at finde obskure mønstre i medicinske billeder og udviklet bedre behandlingsplaner for patienter. En af måderne, hvorpå psykisk sundhedspleje adskiller sig fra fysisk sundhedspleje, er, at det kræver et højt niveau af perception og emotionel intelligens for at diagnostisere og behandle patienter, men AI kunne stadig have en positiv effekt på feltet. Kraften af maskinlæring til at analysere data og udtrække mønstre, herunder sådanne, der er så forvirrende og subtile, at mennesker har svært ved at bemærke/tolke dem, kan hjælpe psykiske sundhedsprofessionelle med at behandle og støtte deres patienter.

Avancerede dataanalyseteknikker kan forbedre diagnosen af visse psykiske sundhedsforhold som bipolær sygdom, og jo hurtigere diagnosen, desto hurtigere kan patienterne sættes på den rette behandlingskurs. Ud over dette kan kunstig intelligens hjælpe klinikere på andre måder, såsom at lade læger interagere med deres patienter på afstand eller ved automatisk at indsamle og analysere data, der kan bruges til at opdatere behandlingsplaner.

For tiden findes der nogle applikationer, der udnytter kunstig intelligens til at støtte personer med psykiske sundhedsforhold. Woebot er f.eks. en chatbot, der anvender principper fra kognitiv adfærdsterapi til at hjælpe mennesker med at spore deres humør og styre tankepatroner. De kommende år kan se endnu mere avancerede anvendelser af kunstig intelligens på psykisk sundhedsfeltet. Som Dr. Henry Nasrallah, en psykiater på University of Cincinnati Medical Center forklarede til Time, findes der metoder, der kan bruges til at slutte sig til en patients psykiske sundhedsstatus, såsom manglen på taleafspejling, der ofte korrelerer med depression, eller med ukoordineret ordbrug, der er forbundet med skizofreni.

Klinikere bruger ofte talepatroner som disse til at diagnostisere patienter, og AI-algoritmer kan potentielt opdage mønstre, der er så subtile, at mennesker ikke opdager dem. For nylig skabte Peter Foltz, en forskningsprofessor på University of Colorado Boulder, og hans kolleger en app, der får patienterne til at gennemføre forskellige verbale øvelser, indsamle data om deres tone og affektioner, mens de besvarer spørgsmål om deres emotionelle tilstand og fortæller historier. Disse data analyseres derefter af et AI-system, der sammenligner klip med lydklip fra en større patientpopulation for at opdage potentielle psykiske sundhedsproblemer. Når den testes på en population på 225 personer på to forskellige lokaliteter, opfører appen sig mindst lige så godt som klinikere til at opdage symptomer på psykiske sundhedsforstyrrelser eller ubehag. Lignende mønstergenkendelse kan også gøres med skriftlig sprog, ved at analysere ordvalg og ordbrug.

Der er en få bemærkelsesværdige forhindringer for at skabe AI-baserede psykiske sundhedsdiagnosetools. En af de største udfordringer er, at klinikere og psykiatere selv ofte er uenige om, hvilke kriterier der er nødvendige for at stille en diagnose, med sygdomme som depression baseret på en række skalaer og kriterier. Andre problemer som den tvivlsomme pålidelighed af patientrapporteret data kunne også forhindre indsatsen for at designe diagnostiske AI-værktøjer. Selv AI- og psykisk sundhedsforskere understreger, at deres værktøjer ikke er beregnet til at erstatte menneskelige psykiatere og anerkender deres begrænsninger. Men når dataindsamlingen bliver bedre og modellerne bliver mere avancerede, kan pålideligheden af psykisk sundhedsdiagnostiske AI-værktøjer øges. Til sidst kan AI-værktøjer, ved at automatisere mange af de tidskrævende processer, som klinikere må håndtere, give psykiske sundhedsudbydere mulighed for at tilbringe mere tid med patienterne, et værdigt mål i sig selv.