Algorytmy równie dobrze jak badacze potrafią identyfikować w tekstach oznaki problemów ze zdrowiem psychicznym

Algorytmy równie dobrze jak badacze potrafią identyfikować w tekstach oznaki problemów ze zdrowiem psychicznym

Naukowcy z UW Medicine odkryli, że algorytmy równie dobrze jak wyszkoleni ludzie oceniają w identyfikowaniu znaków ostrzegawczych w wiadomościach tekstowych od osób cierpiących na poważne choroby psychiczne. Otwiera to obiecujący obszar badań, który może pomóc w szkoleniu w zakresie zdrowia psychicznego i niedoborach opieki.

Wyniki opublikowano pod koniec września w czasopiśmie Psychiatric Services.

Wiadomości tekstowe są coraz częściej częścią opieki i oceny zdrowia psychicznego, ale tym zdalnym interwencjom psychiatrycznym może brakować emocjonalnych punktów odniesienia, których terapeuci używają do prowadzenia rozmów twarzą w twarz z pacjentami.

Zespół badawczy pracujący na Wydziale Psychiatrii i Nauk Behawioralnych po raz pierwszy zastosował przetwarzanie języka naturalnego do wykrywania i identyfikowania wiadomości tekstowych odzwierciedlających „błędy poznawcze”, które mogą zostać przeoczone przez niedostatecznie przeszkolonego lub przepracowanego klinicystę. Badania mogą również ostatecznie pomóc większej liczbie pacjentów w znalezieniu opieki medycznej.

Kiedy spotykamy ludzi osobiście, mamy do czynienia z różnymi kontekstami. Mamy wskazówki wizualne, mamy wskazówki słuchowe, rzeczy, które nie są wyrażone w wiadomości tekstowej. To są rzeczy, na których powinniśmy się opierać. Mamy nadzieję, że technologia zapewni lekarzom dodatkowe narzędzie umożliwiające poszerzenie informacji, na których opierają się przy podejmowaniu decyzji klinicznych”.

Justin Tauscher, główny autor artykułu i obecny adiunkt w Szkole Medycznej Uniwersytetu Waszyngtońskiego

W badaniu zbadano tysiące unikalnych i niechcianych wiadomości tekstowych przesyłanych między 39 osobami z poważnymi chorobami psychicznymi i historią hospitalizacji a ich podmiotami świadczącymi usługi w zakresie zdrowia psychicznego. Osoby oceniające oceniały teksty pod kątem różnych błędów poznawczych, tak jak miało to miejsce zwykle w kontekście opieki nad pacjentem. Oceniający szukają subtelnego lub jawnego języka, który sugeruje, że pacjent nadmiernie uogólnia, katastrofizuje lub wyciąga pochopne wnioski, a wszystko to może wskazywać na problemy.

Naukowcy zaprogramowali także komputery do wykonywania tego samego zadania, jakim jest ocena tekstu, i odkryli, że ludzie i sztuczna inteligencja oceniają podobnie w większości badanych kategorii.

„Uważam, że możliwość posiadania systemów wspierających podejmowanie decyzji klinicznych jest niezwykle istotna i potencjalnie wpływowa dla osób w terenie, które czasami nie mają dostępu do szkoleń, czasami nie mają dostępu do nadzoru, a czasami są po prostu zmęczeni, przepracowani i wypaleni”. „Trudno mi pozostać obecnym przy wszystkich interakcjach, jakie między nimi zachodzą” – powiedział Tauscher, który zaczął prowadzić badania po dziesięciu latach pracy w środowisku klinicznym.

Pomoc lekarzom przyniosłaby natychmiastową korzyść, ale badacze widzą także przyszłe zastosowania, które będą współpracować z opaską fitness lub systemem monitorowania opartym na telefonie. Dror Ben-Zeev, dyrektor Centrum Badań Behawioralnych w Technologii i Inżynierii UW i współautor artykułu, powiedział, że technologia może ostatecznie zapewnić informacje zwrotne w czasie rzeczywistym, które zaalarmowałyby terapeutę o zbliżających się problemach.

„W ten sam sposób, w jaki uzyskuje się poziom tlenu we krwi, tętno i inne dane wejściowe” – powiedział Ben-Zeev – „możemy otrzymać notatkę wskazującą, że pacjent wyciąga pochopne wnioski i zachowuje się katastrofalnie. Wystarczy, że ma taką możliwość”. „Wyobrażamy sobie przyszłość w zwiększaniu świadomości wzorców myślowych. Ludzie będą mieli pętle informacji zwrotnej dzięki swojej technologii, dzięki której będą mogli uzyskać wgląd w siebie”.

Praca ta była wspierana przez Garvey Institute for Brain Health Solutions na Uniwersytecie Waszyngtońskim, Narodowy Instytut Zdrowia Psychicznego (R56-MH-109554) i Narodową Bibliotekę Medyczną (T15-LM-007442).

Źródło:

Medycyna UW

Odniesienie:

Tauscher, J.S. i in. (2022) Automatyczne wykrywanie błędów poznawczych w wymianie tekstowej między lekarzami a osobami z poważnymi chorobami psychicznymi. Usługi psychiatryczne. doi.org/10.1176/appi.ps.202100692.

.