Kunstig intelligens kan forbedre psykisk sundhedspleje og kompensere for mangel på personale

Kunstig intelligens kan hjælpe med at forbedre psykisk sundhedspleje, gøre den mere effektiv og løse personaleproblemer, der kan påvirke psykisk sundhedsfeltet i de næste 10 år. Kunstig intelligens kan potentielt udlede komplekse mønstre fra data, mønstre som selv uddannede psykiatere og kliniske læger har svært ved at se. Desuden, som rapporteret af Time, kan kunstig intelligens hjælpe med at kompensere for kritiske mangler i psykisk sundhedspleje, give patienter støtte uden for den tid, de tilbringer med en kliniker.

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

Kunstig intelligens har nylig gjort store bidrag til det medicinske felt, forbedret diagnoseakkuraten, brugt computer vision til at finde obskure mønstre i medicinske billeder og udviklet bedre behandlingsplaner for patienter. En af måderne, psykisk sundhedspleje adskiller sig fra fysisk sundhedspleje, er, at det kræver en høj grad af perception og emotionel intelligens for at diagnostisere og behandle patienter, men kunstig intelligens kan stadig have en positiv effekt på feltet. Kraften i maskinlæring til at analysere data og udlede mønstre, herunder så komplekse og subtile, at mennesker har svært ved at bemærke eller fortolke dem, kan hjælpe psykisk sundhedsprofessionelle med at behandle og støtte deres patienter.

Avancerede dataanalyseteknikker kan forbedre diagnosen af visse psykisk sundhedsforhold, såsom bipolar lidelse, og jo hurtigere diagnosen kan stilles, desto hurtigere kan patienterne sættes på den rette behandlingskurs. Ud over dette kan kunstig intelligens hjælpe klinikerne på andre måder, såsom at lade læger interagere med deres patienter på afstand eller automatisk 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 psykisk 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 i psykisk sundhedsfeltet. Som Dr. Henry Nasrallah, en psykiater ved University of Cincinnati Medical Center, forklarede til Time, findes der metoder, der kan bruges til at slutte om en patients psykisk sundhedsstatus, såsom manglen på taleaffekt, der ofte korrelerer med depression, eller med brudt ordbrug, der er forbundet med skizofreni.

Klinikere bruger ofte talepatroner som disse til at diagnostisere patienter, og kunstig intelligensalgoritmer kan potentielt opdage mønstre, der er så subtile, at mennesker ikke opdager dem. Nylig skabte Peter Foltz, en forskningsprofessor ved University of Colorado Boulder, og hans kolleger en app, der får patienter til at gennemføre forskellige verbale øvelser, indsamle data om deres tone og affektion, mens de besvarer spørgsmål om deres emotionelle tilstand og fortæller historier. Disse data analyseres derefter af et kunstig intelligenssystem, der sammenligner klip med lydklip fra en større patientpopulation for at opdage potentielle psykisk sundhedsproblemer. Når det blev testet på en population på 225 personer på to forskellige steder, opførte appen sig mindst lige så godt som klinikerne ved at diagnosticere symptomer på psykisk sundhedsforhold eller ubehag. Lignende mønstergenkendelse kan også gøres med skrevet sprog, ved at analysere ordvalg og ordbrug.

Der findes nogle bemærkelsesværdige hindringer for at skabe kunstig intelligens-baserede psykisk sundhedsdiagnosetools. En af de største udfordringer er, at klinikerne og psykiaterne selv ofte er uenige om, hvilke kriterier der er nødvendige for at stille en diagnose, med sygdomme som depression, der er baseret på en række skalaer og kriterier. Andre problemer som den tvivlsomme pålidelighed af patientrapporteret data kan også hindre bestræbelserne på at designe diagnostiske kunstig intelligensværktøjer. Selv kunstig intelligens- og psykisk sundhedsforskere understreger, at deres værktøjer ikke er ment til at erstatte menneskelige psykiatere og anerkender deres begrænsninger. Dog, som dataindsamlingen bliver bedre og modellerne bliver mere avancerede, kan pålideligheden af psykisk sundhedsdiagnostiske kunstig intelligensværktøjer øges. Endelig kan kunstig intelligens, ved at automatisere mange af de tidskrævende processer, som klinikerne må håndtere, give psykisk sundhedsudbydere mulighed for at tilbringe mere tid med patienter, et værdigt mål i sig selv.