Με την εφαρμογή τεχνητής νοημοσύνης για την αξιολόγηση ασθενών με κλινική κατάθλιψη, οι ψυχίατροι μπορούν να αποκτήσουν μια νέα κατανόηση σε ποια θεραπευτική αγωγή υπάρχουν οι καλύτερες πιθανότητες να εργαστούν για έναν συγκεκριμένο ασθενή. Η έρευνα έρχεται μετά από μια σειρά δοκιμών που διεξήχθησαν στο UT Southwestern Medical Center, χρησιμοποιώντας ασθενείς που ζουν στις ΗΠΑ. Το επίκεντρο της μελέτης ήταν να εξεταστεί εάν ένας αλγόριθμος μπορεί να αξιολογήσει διαταραχές της διάθεσης στο βαθμό που μπορεί να προβλέψει με ακρίβεια αν ένα συγκεκριμένο αντικαταθλιπτικό να είναι αποτελεσματικό για έναν συγκεκριμένο ασθενή. Αυτό βασίζεται στην εγκεφαλική δραστηριότητα του κάθε ασθενή.
Ο μακροπρόθεσμος στόχος του έργου είναι η ανάπτυξη μιας πλατφόρμας που θα βοηθήσει τους ψυχιάτρους με τη διάγνωση της κατάθλιψης και θα προτείνει συνταγές για θεραπείες κατάθλιψης. Αυτό πρέπει να επιτευχθεί μέσω ενός συνδυασμού τεχνητής νοημοσύνης, εγκεφαλικής απεικόνισης και αιματολογικών εξετάσεων, σε συνδυασμό με την επαγγελματική πείρα του υπεύθυνου γιατρού. Σχολιάζοντας τη μέχρι τώρα εξέλιξη της μελέτης, ο ερευνητής Dr. Madhukar Trivedi λέει: “Αυτές οι μελέτες ήταν μεγαλύτερη επιτυχία από ό, τι μπορούσε να φανταστεί κάποιος στην ομάδα μας”. Ο ιατρικός ερευνητής προσθέτει ότι: «Παρείχαμε άφθονα δεδομένα για να δείξουμε ότι μπορούμε να προχωρήσουμε πέρα από το παιχνίδι εικασίας για την επιλογή θεραπειών κατάθλιψης και να αλλάξουμε την νοοτροπία του τρόπου διάγνωσης και θεραπείας της νόσου».
Η ερευνητική ομάδα εξέτασε το αποτέλεσμα μελετών που περιλάμβαναν περίπου 300 συμμετέχοντες, καθένας από τους οποίους διαγνώστηκε με μια μορφή κατάθλιψης. Για τους σκοπούς της μελέτης, τα θέματα χωρίστηκαν σε δύο ομάδες, μέσω της τυχαίας ανάθεσης. Σε μία ομάδα, οι άνθρωποι έλαβαν εικονικό φάρμακο. Στην άλλη ομάδα, στους ασθενείς δόθηκε μια μορφή φαρμάκου που ονομάζεται αναστολέας εκλεκτικής αναρρόφησης σεροτονίνης, ο οποίος είναι ένας κοινός τύπος αντικαταθλιπτικού.
Για να εκτιμηθούν οι διαφορές μεταξύ των δύο ομάδων, αναπτύχθηκε ένα ηλεκτροεγκεφαλογράφημα (EEG) για τη μέτρηση της ηλεκτρικής δραστηριότητας στον φλοιό των συμμετεχόντων. Αυτές οι μετρήσεις ελήφθησαν πριν δοθεί οποιαδήποτε θεραπεία. Σε αυτό το στάδιο, ένας αλγόριθμος μηχανικής μάθησης τέθηκε σε αποστολή να αναλύσει τα δεδομένα EEG. Ο αλγόριθμος προχώρησε να προβλέψει ποιες ασθενείς θα επωφεληθούν από το φάρμακο. Τα πραγματικά δεδομένα από τους ασθενείς, από την άποψη της ανταπόκρισής τους στο αντικαταθλιπτικό ή το εικονικό φάρμακο, στη συνέχεια αξιολογήθηκαν έναντι του προγνωστικού μοντέλου. Εδώ διαπιστώθηκε ότι ο αλγόριθμος προέβλεψε με ακρίβεια τα περισσότερα αποτελέσματα ασθενών. Μια τέτοια έρευνα είναι ίσως η αρχή των μηχανών που κάνουν συστάσεις για το ποιος μπορεί να ωφεληθεί από ένα συγκεκριμένο αντικαταθλιπτικό, βοηθώντας έτσι το ψυχιατρικό επάγγελμα με κλινική λήψη αποφάσεων. Η έρευνα δημοσιεύθηκε στο περιοδικό Nature Biotechnology . Το σχετικό ερευνητικό έγγραφο έχει τίτλο “Μια ηλεκτροεγκεφαλογραφική υπογραφή προβλέπει την αντικαταθλιπτική απόκριση σε μείζονα κατάθλιψη”.