Τεχνητή νοημοσύνη: Σύστημα βοηθάει τους γιατρούς να εντοπίσουν ασθενείς με αυτοκτονικές τάσεις

Το Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt (VUMC) πραγματοποίησε μια σημαντική καινοτομία στον τομέα της ιατρικής τεχνητής νοημοσύνης με την ανάπτυξη του Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL).

Το σύστημα αυτό σχεδιάστηκε για να υποστηρίξει τους γιατρούς στην έγκαιρη αναγνώριση ασθενών με αυτοκτονικές τάσεις, παρέχοντας πολύτιμες πληροφορίες που μπορούν να βελτιώσουν τη φροντίδα και την πρόληψη.

Η ερευνητική ομάδα, με επικεφαλής τον Κόλιν Γουάλς, αναπληρωτή καθηγητή Βιοϊατρικής Πληροφορικής, Ιατρικής και Ψυχιατρικής, αξιολόγησε την αποτελεσματικότητα του VSAIL σε τρεις νευρολογικές κλινικές του VUMC. Το μοντέλο ανέλυσε δεδομένα που συλλέχθηκαν κατά τη διάρκεια ρουτίνας επισκέψεων ασθενών, με στόχο να εντοπίσει μοτίβα ή ενδείξεις που σχετίζονται με αυτοκτονικές τάσεις.

Αυτή η προσέγγιση αναδεικνύει τη δυνατότητα της τεχνητής νοημοσύνης να ενισχύσει την ακρίβεια της διάγνωσης και να προάγει την πρόληψη σε κρίσιμους τομείς ψυχικής υγείας. Ειδικότερα, η εφαρμογή του VSAIL προσφέρει στους γιατρούς ένα ισχυρό εργαλείο για την υποστήριξη της λήψης αποφάσεων, εστιάζοντας στην εξατομικευμένη φροντίδα των ασθενών.
Πώς λειτουργεί το πρόγραμμα τεχνητής νοημοσύνης

Η μελέτη, που δημοσιεύθηκε στο περιοδικό «JAMA Network Open», συνέκρινε δύο προσεγγίσεις—αυτόματες αναδυόμενες ειδοποιήσεις που διέκοπταν τη ροή εργασίας του γιατρού έναντι ενός πιο παθητικού συστήματος που απλώς εμφάνιζε πληροφορίες στο ηλεκτρονικό διάγραμμα του ασθενούς. Διαπιστώθηκε πως οι αναδυόμενες ειδοποιήσεις ήταν πολύ πιο ααποτελεσματικές σε σχέση με το άλλο σύστημα.

«Οι περισσότεροι άνθρωποι που αποφασίζουν να αυτοκτονήσουν έχουν επισκεφθεί έναν πάροχο υγειονομικής περίθαλψης το έτος πριν από το θάνατό τους, συχνά για λόγους που δεν σχετίζονται με την ψυχική υγεία», είπε ο Γουόλς. «Αλλά ο καθολικός έλεγχος δεν είναι πρακτικός σε κάθε περιβάλλον. Αναπτύξαμε το VSAIL για να βοηθήσουμε στον εντοπισμό ασθενών υψηλού κινδύνου και να προτρέψουμε εστιασμένες συνομιλίες προσυμπτωματικού ελέγχου» εξήγησε.

Οι εκκλήσεις για βελτίωση του προσυμπτωματικού ελέγχου κινδύνου οδήγησαν τους ερευνητές να διερευνήσουν τρόπους εντοπισμού των ασθενών που χρειάζονται περισσότερο αξιολόγηση. Το μοντέλο VSAIL αναλύει πληροφορίες ρουτίνας από ηλεκτρονικά αρχεία υγείας για να υπολογίσει τον κίνδυνο απόπειρας αυτοκτονίας ενός ασθενούς για 30 ημέρες. Σε προηγούμενες προοπτικές δοκιμές, όπου τα αρχεία ασθενών VUMC επισημάνθηκαν αλλά δεν ενεργοποιήθηκαν ειδοποιήσεις, το μοντέλο αποδείχθηκε αποτελεσματικό στον εντοπισμό ασθενών υψηλού κινδύνου, με 1 στα 23 άτομα που επισήμανε το σύστημα, να αναφέρουν αργότερα αυτοκτονικές σκέψεις.