Jutos universiteto psichiatrijos ir Huntsmano psichinės sveikatos instituto tyrėjai paskelbė dokumentą Modeliai Pristatome „RiskPath“-atvirojo kodo programinės įrangos priemonių rinkinį, kuris naudoja paaiškinamą dirbtinį intelektą (XAI), kad būtų galima numatyti, ar individai išsivystys progresuojančias ir lėtines ligas prieš pasirodymą simptomams, potencialiai pertvarkydami, kaip teikiama prevencinė sveikatos priežiūra.
XAI yra dirbtinio intelekto sistema, galinti paaiškinti sudėtingus sprendimus taip, kaip žmonės gali suprasti.
Naujoji technologija rodo reikšmingą ligos prognozavimo ir prevencijos pažangą analizuojant sveikatos duomenų modelius, surinktus per kelerius metus, siekiant nustatyti rizikos grupės asmenis, kurių precedento neturintis tikslumas yra 85–99%.
Dabartinės medicininės prognozavimo sistemos, skirtos išilginių duomenų, dažnai praleidžia ženklą, teisingai nustatant rizikos grupės pacientus tik maždaug per pusę-tris ketvirtadalius laiko.
Skirtingai nuo esamų išilginių duomenų numatymo sistemų, „RiskPath“ naudoja pažangias laiko eilutės AI algoritmus ir verčia juos paaiškinti, kad būtų pateikiami išsamūs modeliai, kurie suteikia svarbių įžvalgų apie tai, kaip rizikos veiksniai sąveikauja ir keičiasi svarbos visoje ligos kūrimo procese.
„Lėtinės, progresyvios ligos sudaro daugiau kaip 90% sveikatos priežiūros išlaidų ir mirtingumo“, – sako Nina de Lacy, MB, MD, Jutos universiteto sveikatos psichiatrijos profesorė ir pirmoji tyrimo autorė.
Ji priduria: „Nustatydama didelės rizikos asmenis prieš atsirandant simptomams ar ankstyvoje ligos kurse ir nustatant, kurie rizikos veiksniai yra svarbiausi skirtinguose gyvenimo etapuose, galime sukurti tikslingesnes ir veiksmingesnes prevencines strategijas. Prevencinė sveikatos priežiūra šiuo metu yra bene svarbiausias sveikatos priežiūros aspektas, o ne tik gydyti problemas.“
Tyrimo komanda patvirtino rizikosPPAPT per tris pagrindines ilgalaikes pacientų grupes, kuriose dalyvavo tūkstančiai dalyvių, kad sėkmingai numatytų aštuonias skirtingas sąlygas, įskaitant depresiją, nerimą, ADHD, hipertenziją ir metabolinį sindromą. Jie sako, kad ši technologija suteikia keletą pagrindinių pranašumų:
- Patobulintas ligos progresavimo supratimas: RizikosPATS gali nustatyti, kaip laikui bėgant keičiasi skirtingi rizikos veiksniai, atskleidžiantys kritinius intervencijos langus. Pavyzdžiui, tyrimas parodė, kaip ekrano laikas ir vykdomoji funkcija tapo vis svarbesni ADHD rizikos dalyviai, kai vaikai artėja prie paauglystės.
- Supaprastintas rizikos vertinimas: Nors „RiskPath“ gali išanalizuoti šimtus sveikatos kintamųjų, tyrėjai nustatė, kad daugumą sąlygų galima numatyti panašiu tikslumu, naudojant tik 10 pagrindinių veiksnių, todėl įgyvendinimas tampa labiau įmanomas klinikinėse aplinkose.
- Praktinė rizikos vizualizacija: Sistema pateikia intuityvias vizualizacijas, parodančias, kokie laikotarpiai žmogaus gyvenime daugiausia prisideda prie ligos rizikos, padeda tyrėjams nustatyti optimalų prevencinių intervencijų laiką.
Tyrimo komanda dabar tiria, kaip „RizosPath“ galėtų būti integruotas į klinikinių sprendimų palaikymo sistemas, prevencinės priežiūros programas ir neuroninius psichinių ligų pagrindus. Jie planuoja išplėsti savo tyrimus, įtraukdami papildomas ligas ir įvairias populiacijas.