AI: Οι κλινικές ειδοποιήσεις που καθοδηγούνται από την τεχνητή νοημοσύνη (AI) μπορούν να βοηθήσουν τους γιατρούς να εντοπίσουν ασθενείς που διατρέχουν κίνδυνο αυτοκτονίας, βελτιώνοντας ενδεχομένως τις προσπάθειες πρόληψης σε ιατρικά περιβάλλοντα ρουτίνας.
Μια νέα μελέτη από το Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt δείχνει ότι οι κλινικές ειδοποιήσεις που καθοδηγούνται από την τεχνητή νοημοσύνη (AI) μπορούν να βοηθήσουν τους γιατρούς να εντοπίσουν ασθενείς που διατρέχουν κίνδυνο αυτοκτονίας, βελτιώνοντας ενδεχομένως τις προσπάθειες πρόληψης σε ιατρικά περιβάλλοντα ρουτίνας.
Μια ομάδα με επικεφαλής τον Colin Walsh, MD, MA, αναπληρωτή καθηγητή Βιοϊατρικής Πληροφορικής, Ιατρικής και Ψυχιατρικής, εξέτασε εάν το σύστημά τους AI, που ονομάζεται μοντέλο Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL), θα μπορούσε αποτελεσματικά να παρακινήσει τους γιατρούς σε τρεις νευρολογικές κλινικές στο VUMC για τον έλεγχο ασθενών για κίνδυνο αυτοκτονίας κατά τη διάρκεια τακτικών επισκέψεων στην κλινική.
Η μελέτη, που αναφέρθηκε στο JAMA Network Open, συνέκρινε δύο προσεγγίσεις—αυτόματες αναδυόμενες ειδοποιήσεις που διέκοψαν τη ροή εργασίας του γιατρού έναντι ενός πιο παθητικού συστήματος που απλώς εμφάνιζε πληροφορίες κινδύνου στο ηλεκτρονικό διάγραμμα του ασθενούς.
Η μελέτη διαπίστωσε ότι οι διακοπτόμενες ειδοποιήσεις ήταν πολύ πιο αποτελεσματικές, οδηγώντας τους γιατρούς να διεξάγουν αξιολογήσεις κινδύνου αυτοκτονίας σε σχέση με το 42% των ειδοποιήσεων προσυμπτωματικού ελέγχου, σε σύγκριση με μόλις 4% με το παθητικό σύστημα.
«Οι περισσότεροι άνθρωποι που πεθαίνουν από αυτοκτονία 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 Walsh. “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.”
Η αυτοκτονία αυξάνεται στις ΗΠΑ εδώ και μια γενιά και εκτιμάται ότι στοιχίζει τη ζωή σε 14,2 στους 100.000 Αμερικανούς κάθε χρόνο, καθιστώντας τις την 11η κύρια αιτία θανάτου στη χώρα. Μελέτες έχουν δείξει ότι το 77% των ανθρώπων που αυτοκτονούν έχουν επαφή με παρόχους πρωτοβάθμιας περίθαλψης το έτος πριν από το θάνατό τους.
Οι εκκλήσεις για βελτίωση του προσυμπτωματικού ελέγχου κινδύνου οδήγησαν τους ερευνητές να διερευνήσουν τρόπους εντοπισμού των ασθενών που χρειάζονται περισσότερο αξιολόγηση. Το μοντέλο VSAIL, το οποίο ανέπτυξε η ομάδα του Walsh στο Vanderbilt, 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 ένα στα 23 άτομα που επισημαίνονται από το σύστημα αργότερα να ανέφεραν σκέψεις αυτοκτονίας.
Στη νέα μελέτη, όταν οι ασθενείς που αναγνωρίστηκαν ως υψηλού κινδύνου από το VSAIL ήρθαν για ραντεβού στις νευρολογικές κλινικές του Vanderbilt, οι γιατροί τους έλαβαν σε τυχαία βάση είτε διακοπτόμενες είτε μη διακοπτόμενες ειδοποιήσεις. Η έρευνα επικεντρώθηκε σε νευρολογικές κλινικές επειδή ορισμένες νευρολογικές παθήσεις συνδέονται με αυξημένο κίνδυνο αυτοκτονίας.
Οι ερευνητές πρότειναν ότι παρόμοια συστήματα θα μπορούσαν να δοκιμαστούν σε άλλα ιατρικά περιβάλλοντα. “Το αυτοματοποιημένο σύστημα επισήμανε μόνο το 8% περίπου όλων των επισκέψεων ασθενών για έλεγχο”, είπε ο Walsh. «Αυτή η επιλεκτική προσέγγιση καθιστά πιο εφικτό για πολυάσχολες κλινικές να εφαρμόζουν προσπάθειες πρόληψης της αυτοκτονίας».
Η μελέτη περιελάμβανε 7.732 επισκέψεις ασθενών σε διάστημα έξι μηνών, προκαλώντας 596 συνολικές προειδοποιήσεις προσυμπτωματικού ελέγχου. Κατά τη διάρκεια της περιόδου παρακολούθησης των 30 ημερών, σε μια ανασκόπηση των αρχείων υγείας του VUMC, κανένας ασθενής σε καμία από τις τυχαιοποιημένες ομάδες συναγερμού δεν βρέθηκε να έχει βιώσει επεισόδια αυτοκτονικού ιδεασμού ή απόπειρας αυτοκτονίας.
Αν και οι διακοπτόμενες ειδοποιήσεις ήταν πιο αποτελεσματικές στην προτροπή των προβολών, θα μπορούσαν ενδεχομένως να συμβάλουν στην «κόπωση σε εγρήγορση»—όταν οι γιατροί κατακλύζονται από συχνές αυτοματοποιημένες ειδοποιήσεις. Οι ερευνητές σημείωσαν ότι μελλοντικές μελέτες θα πρέπει να εξετάσουν αυτή την ανησυχία.
«Τα συστήματα υγειονομικής περίθαλψης πρέπει να εξισορροπούν την αποτελεσματικότητα των διακοπτόμενων ειδοποιήσεων έναντι των πιθανών μειονεκτημάτων τους», είπε ο Walsh. «Αλλά αυτά τα αποτελέσματα υποδηλώνουν ότι η αυτοματοποιημένη ανίχνευση κινδύνου σε συνδυασμό με καλά σχεδιασμένες ειδοποιήσεις θα μπορούσαν να μας βοηθήσουν να εντοπίσουμε περισσότερους ασθενείς που χρειάζονται υπηρεσίες πρόληψης αυτοκτονιών».
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
