Innowacyjny system oparty na sztucznej inteligencji wspierający leczenie zaburzeń afektywnych

Innowacyjny system oparty na sztucznej inteligencji wspierający leczenie zaburzeń afektywnych

creativity day MoodMon case study

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

MoodMon App

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

World Health Day Process Service System platform for efficient communication

Wdrażanie Systemu Obsługi Procesów dla Instytucji Państwowej nadzorującej przestrzeganie standardów sanitarnych

Wyzwania Pod koniec 2020 roku nasz klient, funkcjonujący w tym czasie ...

Więcej
case study - CRM Salesforce

Wyższy poziom w zarządzaniu dzięki wdrożeniu Salesforce

Wyzwania Klient nie posiadał jednego systemu umożliwiającego łatwe ...

Więcej