Jak sztuczna inteligencja może pomóc w wyborze najlepszego dla Ciebie leczenia depresji
Szukanie pomocy w depresji jest wystarczająco trudne. Nie ułatwia to, że może trwać tygodniami, miesiącami lub nawet dłużej, aby spróbować różnych metod leczenia, aby znaleźć coś, co działa. Lekarze zazwyczaj rozpoczynają przyjmowanie leków przeciwdepresyjnych, ale minie co najmniej cztery tygodnie zanim zaczną je przyjmować, a badania wykazały, że tylko około 30% z nich dobrze reaguje na pierwszy przepisany lek. "W tej chwili wybór leczenia opiera się wyłącznie na próbie i błędzie" - mówi dr Madhukar Trivedi, profesor psychiatrii na Uniwersytecie Teksańskiego Centrum Medycznego Southwestern.
Jednakże, obiecujące nowe wyniki badań opublikowane w lutym w Nature Biotechnology sugerują, że prosty test mózgu, w połączeniu z wynikami sztucznej inteligencji (AI), może przewidzieć, czy antydepresant będzie działać u konkretnego pacjenta. Trivedi i zespół badaczy pobrał dane z poprzedniego badania, w którym ponad 200 osób z depresją otrzymało elektroencefalogram (EEG) - nieinwazyjny test, który rejestruje fale mózgowe danej osoby poprzez elektrody umieszczone na skórze głowy - a następnie albo sertralinę (powszechnie przepisywany środek przeciwdepresyjny sprzedawany jako Zoloft) albo placebo na osiem tygodni. Jeśli ci, którzy dobrze zareagowali na sertralinę mieli wspólny wzorzec fal mózgowych, może to dać wielką wskazówkę, czy dana osoba reaguje na lek, czy też nie.
Trivedi i zespół opracował algorytm uczenia maszynowego do analizy danych EEG i okazało się, że 65% uczestników badania z pewną sygnaturą fal mózgowych wykazało również silną odpowiedź na sertralinę. To, według dr Amita Etkina, jednego z autorów badania i profesora psychiatrii i nauk behawioralnych na Uniwersytecie Stanforda, jest "o wiele lepsze" niż używanie czynników klinicznych, takich jak to, czy pacjenci mają pewne rodzaje objawów, aby spróbować odgadnąć, czy będą dobrze reagować na lek.
Badacze zastosowali również swój algorytm AI do danych z oddzielnego badania, w którym ludzie przeszli testy EEG przed przezczaszkowej stymulacji magnetycznej (TMS), techniki stymulacji mózgu stosowanej w leczeniu depresji. Stwierdzono, że osoby, od których nie oczekiwano dobrej reakcji na sertralinę z powodu fal mózgowych, miały tendencję do pozytywnej reakcji na TMS.
Wszystkie te dochodzenia są nadal wstępne. Ale wykorzystanie SI w psychiatrii gwałtownie wzrasta. Sztuczna inteligencja jest używana w szerokim zakresie aplikacji lub w fazie rozwoju do diagnozowania lub leczenia chorób psychicznych; aplikacje terapeutyczne i roboty czatowe używają uczenia maszynowego w celu dostosowania porad dla użytkowników, na przykład, a w badaniu z 2018 r. wykorzystano sztuczną inteligencję do analizy słów, które ludzie umieszczają na Facebooku i stwierdzono, że algorytm może przewidzieć dość dokładnie, czy dana osoba otrzyma później diagnozę depresji. Wzrasta również ilość komputerowych analiz danych EEG. Naukowcy od niedawna stosują algorytmy do oceny danych EEG niemowląt i są w stanie przewidzieć rozpoznanie autyzmu u dzieci, które mają zaledwie kilka miesięcy.
"To są ekscytujące wyniki" - mówi Michele Ferrante, dyrektor programowa Psychiatrii Obliczeniowej w Narodowym Instytucie Zdrowia Psychicznego (który finansował badania zespołu). "Ten test laboratoryjny EEG jest szybki" - trwa tylko kilka minut - "niedrogi, a jego wynik ma duże znaczenie kliniczne". Następnym krokiem jest przeprowadzenie badań klinicznych, w których grypa ptaków proponuje leczenie w oparciu o schematy EEG pacjenta "w celu sprawdzenia, czy wyniki te są dokładne". Etkin uważa, że narzędzie prognostyczne jego zespołu będzie gotowe do użycia klinicznego za około pięć lat.
Ponieważ dzięki sztucznej inteligencji pojawia się bardziej osobiste podejście do depresji, Trivedi ma nadzieję, że ludzie będą bardziej skłonni do szukania leczenia i trzymania się go. "Daje to pacjentom o wiele większe zaufanie do oferowanych im zabiegów", mówi. "To poprawi ich zdolność do pozostania przy tym leczeniu, dopóki nie wyzdrowieją. Nie strzelamy w ciemno".
