Innowacyjny system oparty na sztucznej inteligencji wspierający leczenie zaburzeń afektywnych
Wyzwania
Na świecie żyje około 280 milionów osób chorujących na depresję oraz 40 milionów osób zmagających się z chorobą afektywną dwubiegunową. Około 1/3 pacjentów cierpiąca na ciężkie choroby psychiczne wymaga powtarzającej się hospitalizacji. Na rynku nie istnieje obecnie narzędzie umożliwiające skuteczną kontrolę przebiegu choroby – stan pacjenta oceniany jest na podstawie obserwacji jego zachowania, a za stałe monitorowanie jego zdrowia odpowiada sam pacjent oraz jego najbliższa rodzina. Takie monitorowanie jest subiektywne, niedokładne i niewiarygodne.
Dużym problemem jest także niedobór specjalistów, który utrudnia stały kontakt pacjenta z lekarzem – w Europie średnio na 100 000 mieszkańców przypada jedynie 18 psychiatrów. W efekcie pacjent może liczyć na wizyty średnio raz na trzy miesiące. Wizyty lekarskie zaplanowane z wyprzedzeniem nie zawsze odbywają się wtedy, gdy pacjent ich rzeczywiście potrzebuje, a zastosowane leczenie jest dopasowane do aktualnego stanu pacjenta.
Niska efektywność leczenia wynikająca z niedoboru specjalistów oraz trudności w monitorowaniu pacjenta zwiększają częstotliwość hospitalizacji pacjentów i podnoszą koszty leczenia. W przypadku osób z depresją wynosi ono od 3 do 5 tysięcy EUR na pacjenta, natomiast średni roczny koszt leczenia choroby afektywnej dwubiegunowej to około 7 tys. EUR. Choroba afektywna dwubiegunowa tylko w 2015 roku kosztowała niemiecką służbę zdrowia około 607 milionów euro.
Głównym celem projektu było wykorzystanie zaawansowanych algorytmów uczenia maszynowego do stworzenia innowacyjnej aplikacji, która mogłaby w sposób ciągły i obiektywny oceniać ryzyko wystąpienia zmiany stanu pacjenta. . Rozwiązanie umożliwiłoby skuteczniejsze wykrywanie oraz wcześniejsze przewidywanie zmian fazy choroby u pacjenta i przyspieszenie kontaktu z lekarzem.
Efekty
Aplikacja MoodMon wykorzystuje zaawansowane algorytmy uczenia maszynowego, aby wspierać utrzymywanie stabilnego stanu pacjentów zmagających się z depresją oraz chorobą afektywną dwubiegunową, dzięki wczesnemu wykrywaniu ewentualnych zmian stanu psychicznego pacjenta.
Rozwiązanie pozwala na szybką reakcję oraz zapobieganie poważnym konsekwencjom pogorszenia stanu zdrowia, optymalizuje liczbę wizyt u specjalisty oraz dopasowuje ich częstotliwość do aktualnego stanu pacjenta, a także umożliwia dostosowanie odpowiedniej dawki leków.
Badania kliniczne aplikacji wykazały, że może ona znacznie zmniejszyć ilość hospitalizacji pacjentów z chorobami afektywnymi. W trakcie badań aplikacji nie odnotowano żadnych przypadków hospitalizacji, natomiast w okresie 2 lat poprzedzających przeprowadzone badania liczba takich przypadków w tej samej grupie pacjentów wynosiła około 12%.
Badania naukowe wskazują, że stałe i skuteczne monitorowanie pacjentów redukuje koszty związane z opieką medyczną o 30% w przypadku depresji oraz 17% w przypadku zaburzeń afektywnych dwubiegunowych. Zmniejszenie ryzyka hospitalizacji pacjenta dzięki wcześniejszemu wykrywaniu zmian faz nastrojów zmniejsza również koszty i straty pacjenta wynikające między innymi z utraty pracy czy trudności w codziennym funkcjonowaniu.
Rozwiązanie
Do dyspozycji pacjentów została oddana przejrzysta i prosta w obsłudze aplikacja, której zadaniem jest zbieranie obiektywnych danych o zachowaniu pacjenta. Aplikacja wraz ze sparowaną nią bransoletką sportową zbiera kluczowe markery behawioralne: parametry mowy, aktywności oraz jakości snu, które służą modelom sztucznej inteligencji do oceny stanu pacjenta. .
Algorytmy machine learning zbudowane i wytrenowane przez Britenet na danych historycznych, analizują zebrane dane, dzięki czemu aplikacja może wysłać ostrzeżenie o podejrzeniu zbliżającej się zmiany stanu psychicznego pacjenta. Takie ostrzeżenie wysyłane jest do pacjenta, lekarza prowadzącego oraz innych osób upoważnionych przez pacjenta.
Lekarze dysponują aplikacją webową, w której wprowadzają informacje kliniczne o pacjencie, służące do ciągłego trenowania modeli sztucznej inteligencji.
Dodatkowe funkcjonalności obu aplikacji ułatwiają kontakt pacjenta z lekarzem i przepływ informacji przyczyniające się do wydajniejszej opieki nad chorym.
Aplikacja MoodMon jest pierwszym rozwiązaniem, które wykorzystuje modele trenowane zarówno na poziomie grupowym, jak i indywidualnym. Innowacyjnym aspektem zrealizowanego przez nas projektu jest również staranny dobór parametrów wykorzystywanych do analizy stanu pacjenta. We współpracy ze specjalistami wybraliśmy z ponad tysiąca różnych parametrów 234 najważniejsze, najbardziej wartościowe i miarodajne – w tym niezwykle trudne do analizy liczne parametry głosowe, takie jak szybkość mowy, ilość i długość przerw, współczynniki melcepstralne, energia w paśmie częstotliwości, rozkład częstotliwości i wiele innych. Należy podkreślić, że aplikacja nie analizuje zawartości wypowiedzi ani w żaden inny sposób nie narusza prywatności pacjenta.
Inne wpisy
Wdrażanie Systemu Obsługi Procesów dla Instytucji Państwowej nadzorującej przestrzeganie standardów sanitarnych
Wyzwania Pod koniec 2020 roku nasz klient, funkcjonujący w tym czasie ...
Wyższy poziom w zarządzaniu dzięki wdrożeniu Salesforce
Wyzwania Klient nie posiadał jednego systemu umożliwiającego łatwe ...