Изберете канал
Разгледайте различните канали със съдържание на Progress in Mind
Progress in Mind
Машинното обучение има потенциал за подпомагане на обективната психиатрична диагностика и за прогнозиране на събития като самоубийство и развитие на психично заболяване при хора в риск. Но стойността на самостоятелните приложения при лечението на сериозно болни пациенти все още трябва да бъде доказана.
На теория машинното обучение и дигиталните технологии могат да осигурят високи стандарти за диагностика и индивидуализирани грижи за пациентите, като същевременно спестяват милиони разходи. На практика, ние все още сме на известно разстояние от постигането на това. Но както беше казано на участниците в ECNP 2020 Virtual, по пътя има обнадеждаващи знаци.
Един такъв знак е, че автоматизираният семантичен анализ на десет минути свободна реч може да разграничи психиатричните пациенти от контролите с висока чувствителност и специфичност, каза Дина Попович (Медицински център Шеба, Тел Хашомер, Израел) на симпозиума по машинно обучение. Това следва доказателството, че машинното обучение може, например, да използва анализ на речта за идентифициране на съпътстващи психиатрични състояния при хора с епилепсия.1
Данните от смартфона могат да действат като електронен биомаркер на болестната активност
Реално наблюдение на болестната активност
Имаме и обнадеждаващи доказателства от проучването MONARCA на хора с биполярно разстройство, където обективно събраните данни от смартфони за входящи и изходящи обаждания и съобщения, корелират добре с резултатите по клинични оценъчни скали за депресия и мания.2 Данните от смартфона също разграничават афективните състояния.
Друга изследователска група е разработила модел за машинно обучение, който използва данни за ежедневното настроение, събрани от приложение за смартфон, за да прави разлика между здрави контроли и пациенти с биполярно или гранично личностово разстройство.3
Ранни дни за самостоятелни приложения за лечение
Според настоящите данни приложенията имат потенциална стойност като самостоятелни интервенции при пациенти с лека до умерена депресия или тревожност, каза Диего Идалго-Мацей (Болнична клиника в Барселона, Каталуния, Испания). Но при рекурентна или тежка депресия, шизофрения и биполярни разстройства има доказателства за полза само, когато приложенията се използват като допълнение към традиционните подходи или се съчетават с тях.
Приложенията за лечение не могат да се препоръчват като самостоятелна намеса при сериозни психични проблеми
При мета-анализ на рандомизирани контролирани проучвания при депресия, интервенциите чрез смартфони са имали умерен положителен ефект в сравнение с неактивните контроли, но само малък ефект в сравнение с активните контроли, съобщи професор Идалго-Мазей. И в повечето случаи приложенията бяха използвани като допълнително лечение.4
По-нататъшен мета-анализ на самостоятелни приложения за депресия установява само малък общ ефект върху симптомите.5
В заключение, въпреки че някои проучвания показват потенциала на приложенията за смартфони, насочени към симптомите на психичното здраве, настоящите доказателства не оправдават препоръчването им като самостоятелни психологически интервенции.
Предсказване на редки събития
Във въпросите и отговорите, последвали симпозиума, професор Попович предположи, че машинното обучение има потенциал за подпомагане на обективната психиатрична диагностика, за оценка на риска от самоубийство и за подпомагане на идентифицирането на деца в риск, които са склонни да развият психично заболяване.
Но по отношение на лечението, остава мнението, че стойността на самостоятелните приложения при сериозно болни пациенти все още трябва да бъде доказана.
Our correspondent’s highlights from the symposium are meant as a fair representation of the scientific content presented. The views and opinions expressed on this page do not necessarily reflect those of Lundbeck.
This content does not necessarily represent the opinion of ECNP.
1. Glauser T et al. Acta Neurologica Scandinavica 2019; https://doi.org/10.1111/ane.13216
2. Faurholt-Jepsen M et al. Bipolar Disorders 2015;17:715-28
3. Perez Arribas I et al. Translational Psychiatry2018; 8: Article 274
4. Firth J et al. World Psychiatry 2017; 16: 287–298
5. Weisel KK et al. NPJ Digit Med 2019 Dec 2;2:118. doi: 10.1038/s41746-019-0188-8