Innovatives, auf künstlicher Intelligenz basierendes System zur Unterstützung der Behandlung von affektiven Störungen

Herausforderungen

Weltweit leben etwa 280 Millionen Menschen mit Depressionen und 40 Millionen Menschen mit einer bipolaren-affektiven Störung. Etwa ein Drittel der Patienten, die an einer schweren psychischen Erkrankung leiden, müssen wiederholt stationär behandelt werden. Derzeit gibt es auf dem Markt kein Instrument zur wirksamen Überwachung des Krankheitsverlaufs - der Zustand des Patienten wird auf der Grundlage von Verhaltensbeobachtungen beurteilt, und die laufende Überwachung des Gesundheitszustands obliegt den Patienten selbst und ihren unmittelbaren Angehörigen. Eine solche Überwachung ist subjektiv, ungenau und unzuverlässig.

Ein großes Problem ist auch der Mangel an psychiatrischen Fachkräften, der es den Patienten erschwert, regelmäßig einen Arzt aufzusuchen - in Europa kommen im Durchschnitt nur 18 Psychiater auf 100 000 Einwohner, so dass ein Patient im Durchschnitt nur alle drei Monate mit einem Besuch rechnen kann. Im Voraus vereinbarte Arzttermine finden nicht immer dann statt, wenn der Patient sie tatsächlich braucht, und die Behandlung ist auf den aktuellen Zustand des Patienten zugeschnitten.

Die geringe Wirksamkeit der Behandlung aufgrund des Fachkräftemangels und die schwierige Überwachung der Patienten führen dazu, dass die Patienten häufiger ins Krankenhaus eingewiesen werden und die Behandlungskosten steigen. Bei Depressionen liegen diese zwischen 3 000 und 5 000 EUR pro Patient, während die durchschnittlichen jährlichen Kosten für die Behandlung einer bipolaren affektiven Störung etwa 7 000 EUR betragen. Die bipolare affektive Störung kostete das deutsche Gesundheitswesen allein im Jahr 2015 rund 607 Millionen Euro.

Das Hauptziel des Projekts bestand darin, mithilfe fortschrittlicher Algorithmen des maschinellen Lernens eine innovative Anwendung zu entwickeln, die das Risiko einer Veränderung des psychischen Zustands des Patienten kontinuierlich und objektiv überwachen kann. Die Lösung würde eine effektivere Erkennung und frühere Vorhersage der Phasenveränderungen des Patienten ermöglichen und den Kontakt mit dem Arzt beschleunigen.

Auswirkungen

Die Anwendung MoodMon nutzt fortschrittliche Algorithmen des maschinellen Lernens, um den stabilen Zustand von Patienten mit Depressionen und bipolaren Störungen aufrechtzuerhalten, indem sie frühzeitige Veränderungen des psychischen Zustands eines Patienten erkennt. Die Lösung ermöglicht eine schnelle Reaktion und die Vermeidung schwerwiegender Folgen einer Verschlechterung, einschließlich möglicher Selbstmordversuche, optimiert die Anzahl und Häufigkeit von Facharztbesuchen entsprechend dem aktuellen Zustand des Patienten und ermöglicht die Anpassung der geeigneten Medikamentendosis.

Klinische Versuche mit der App haben gezeigt, dass sie die Zahl der Krankenhausaufenthalte von Patienten mit affektiven Störungen erheblich reduzieren kann. Während der Erprobung der App wurden keine Fälle von Krankenhausaufenthalten gemeldet, während in den beiden Jahren vor der Erprobung die Zahl solcher Fälle in derselben Patientengruppe nur etwa 12 % betrug, verglichen mit der durchschnittlichen Zahl der Krankenhausaufenthalte, die bei affektiven Störungen dreimal so hoch ist wie bei den übrigen Patienten.

Veröffentlichte Studien weisen darauf hin, dass eine kontinuierliche und wirksame Überwachung der Patienten die mit der medizinischen Versorgung verbundenen Kosten bei Depressionen um 30 % und bei bipolaren affektiven Störungen um 17 % reduziert. Die Verringerung des Risikos einer Krankenhauseinweisung durch die frühzeitige Erkennung von Stimmungsschwankungen verringert auch die Kosten und Verluste des Patienten, die u. a. durch den Verlust des Arbeitsplatzes oder Schwierigkeiten bei der täglichen Arbeit entstehen.

Aufgrund des interdisziplinären Charakters war es ein schwieriges Projekt sowohl für technische als auch für medizinische Spezialisten. Das Engagement, das Interesse und die Ausdauer des technischen Teams von Britenet waren bemerkenswert. Die soziale Bedeutung des Ziels machte großen Eindruck und löste eine Menge positiver Energie aus, die es uns ermöglichte, die ehrgeizigen Ziele in einer Rekordzeit und mit hervorragender Qualität zu erreichen.

Małgorzata Sochacka – Product Owner MoodMon

Lösung

Den Patienten wurde eine übersichtliche und einfach zu bedienende App zur Verfügung gestellt, die Daten über das Verhalten des Patienten sammelt. Die App sammelt zusammen mit einem damit gekoppelten Sportarmband wichtige Verhaltensmarker: Sprach-, Aktivitäts- und Schlafqualitätsparameter, die von KI-Modellen zur Bewertung des mentalen Zustands des Patienten verwendet werden.

Algorithmen für maschinelles Lernen, die von Britenet anhand historischer Daten entwickelt und trainiert wurden, analysieren die gesammelten Daten, so dass die Anwendung eine Warnung über eine vermutete bevorstehende Veränderung des mentalen Zustands des Patienten senden kann. Ein solcher Alarm wird an den Patienten, den behandelnden Arzt und andere vom Patienten autorisierte Personen gesendet.

Die Ärzte nutzen die Webanwendung, um klinische Informationen für das kontinuierliche Training der KI-Modelle bereitzustellen.

Zusätzliche Funktionen beider Anwendungen verbessern den Kontakt des Patienten mit dem Arzt und die bereitgestellten Informationen, wodurch die Effektivität der Pflege verbessert wird.

Die MoodMon-App ist die erste Lösung, die Modelle verwendet, die sowohl auf Gruppen- als auch auf Individualebene trainiert wurden. Ein weiterer innovativer Aspekt des Projekts, den wir umgesetzt haben, ist die sorgfältige Auswahl der Parameter, die zur Analyse des Patientenzustands verwendet werden. In Zusammenarbeit mit Fachleuten haben wir die 234 wichtigsten, wertvollsten und prädiktivsten Parameter aus mehr als tausend verschiedenen Parametern ausgewählt - darunter auch schwer zu analysierende Stimmparameter wie Sprechgeschwindigkeit, Anzahl und Länge der Pausen, Mel-Cepstral-Koeffizienten, Frequenzbandenergie, Frequenzverteilung und viele andere. Es ist wichtig zu betonen, dass die Anwendung weder den Inhalt der Sprache analysiert noch in irgendeiner anderen Weise in die Privatsphäre des Patienten eindringt.

Schlussfolgerung

Zusammenfassend lässt sich sagen, dass die kompetenten IT-Entwickler von Britenet eine entscheidende Rolle für den Erfolg des Projekts Moodmon gespielt haben. Ihre effiziente Arbeit hat nicht nur die pünktliche Lieferung sichergestellt, sondern auch wesentlich zur Funktionalität von Moodmon beigetragen. Durch ihr Engagement und ihr Fachwissen haben sie Moodmon vorangebracht und dabei die Kraft einer effektiven Zusammenarbeit und einer geschickten Ausführung unter Beweis gestellt. Diese Partnerschaft hat nicht nur die psychiatrische Versorgung verändert, sondern auch den Wert von Investitionen in erstklassige IT-Talente unterstrichen.