Οι ειδικοί προβλέπουν ότι μέσα στα επόμενα δέκα χρόνια, η ζήτηση για θεραπεία ψυχικών νόσων παγκοσμίως θα αυξηθεί σε τέτοιο βαθμό που θα υπερβαίνει σημαντικά την διαθεσιμότητα αντίστοιχων υπηρεσιών.
Θα μπορέσει, άραγε, η τεχνητή νοημοσύνη να δώσει τη λύση σε αυτό;
«Πρόκειται για μια μεγάλη πρόκληση καθώς η πολυπλοκότητα των ψυχικών νόσων καθιστά δύσκολη την ποσοτικοποίησή τους μέσω ενός αλγορίθμου»
Μια ερευνητική ομάδα, με επικεφαλής έναν έλληνα καθηγητή σε πανεπιστήμιο του Μιλάνου, πρωτοπορεί παγκοσμίως καθώς υλοποιεί ένα ερευνητικό πρόγραμμα που χρησιμοποιεί την τεχνητή νοημοσύνη για να προβλέψει με ακρίβεια αν ένας ασθενής θα ανταποκριθεί στη χορήγηση αντικαταθλιπτικών φαρμάκων ή όχι.
Τα πρώτα αποτελέσματα της έρευνας, η οποία στην πορεία θα συσχετιστεί με αντίστοιχη προσπάθεια του Πανεπιστημίου Στάνφορντ των ΗΠΑ, είναι ενθαρρυντικά.
Οπως εξηγούν οι ειδικοί, τα συστήματα τεχνητής νοημοσύνης μπορούν παράλληλα να οδηγήσουν σε πρόγνωση της ασθένειας που θεωρείται η μάστιγα του 21ου αιώνα, σώζοντας χιλιάδες ζωές.
«Το πολυετές διεπιστημονικό πρόγραμμα που διευθύνω στο Πανεπιστήμιο Biccoca του Μιλάνου, το οποίο χρηματοδοτείται από το τραπεζικό ίδρυμα Cariplo, χρησιμοποιεί πραγματικά κλινικά δεδομένα ασθενών αλλά και τα ηλεκτρονικά αρχεία υγείας τους τα οποία αναλύονται από συστήματα τεχνητής νοημοσύνης και αλγορίθμους μηχανικής μάθησης με σκοπό να εντοπίσουμε ποιοι ασθενείς με κατάθλιψη δεν θα ανταποκριθούν επαρκώς ή καθόλου στα υπάρχοντα αντικαταθλιπτικά», λέει στα «ΝΕΑ» ο Αντώνιος Κ. Ντακανάλης, καθηγητής και επικεφαλής ερευνητής Ψυχιατρικής και Ψυχοθεραπείας στο Πανεπιστήμιο Biccoca του Μιλάνου, ο οποίος το 2023 κατατάχθηκε ανάμεσα στους 50 καλύτερους επιστήμονες παγκοσμίως στον τομέα της ψυχικής υγείας και στους 10 καλύτερους στην Ευρώπη στην κλινική εφαρμογή νέων τεχνολογιών στον τομέα της ψυχικής υγείας και ευεξίας.
Πρόκειται για μια μεγάλη πρόκληση καθώς η πολυπλοκότητα των ψυχικών νόσων καθιστά δύσκολη την ποσοτικοποίησή τους μέσω ενός αλγορίθμου.
Παρ’ όλ’ αυτά, όπως εξηγεί ο κ. Ντακανάλης, «τα προκαταρκτικά αποτελέσματα από δύο έρευνες, οι οποίες γίνονται σε μια μεγάλη ομάδα 3.000 ασθενών, είναι ενθαρρυντικά.
Για να καταλήξουμε στον σκοπό μας, εμείς λαμβάνουμε υπόψη 100 σημαντικούς παράγοντες που κάνουν δυνατή αυτήν την πρόβλεψη, μεταξύ των οποίων κλινικές εξετάσεις, βιοχημικές εξετάσεις και το ιστορικό του ασθενούς, ενώ στο Πανεπιστήμιο του Στάνφορντ εξετάζουν την εγκεφαλική λειτουργία.
Ο έγκαιρος εντοπισμός των ασθενών που πάσχουν από τη λεγόμενη φαρμακοανθεκτική κατάθλιψη και διατρέχουν, μεταξύ άλλων, αυξημένο κίνδυνο αυτοκτονίας, είναι εξαιρετικά σημαντικός καθώς μπορεί να συμβάλει στη βέλτιστη στρατηγική διαχείριση».
Η μεγάλη αγωνία
Σύμφωνα με τις εκτιμήσεις, σχεδόν 300 εκατ. άνθρωποι πάσχουν παγκοσμίως από κατάθλιψη, ενώ το 30% των ασθενών δεν ανταποκρίνεται στη φαρμακευτική αγωγή.
«Αυτό σημαίνει ότι δεν έχουν ανταποκριθεί σε τουλάχιστον δύο ή τρεις κατηγορίες φαρμάκων, με μέσο κύκλο θεραπείας για καθένα από αυτά τους έξι μήνες, άρα μιλάμε για δύο χρόνια χαμένα από τη ζωή του ασθενούς. Είναι, λοιπόν, ιδιαίτερα σημαντικό να το γνωρίζουμε από την αρχή ώστε να υιοθετήσουμε άλλες στρατηγικές», προσθέτει ο καθηγητής.
Αλλωστε, «στην κλινική πράξη, το μείζον ζήτημα και η μεγάλη αγωνία όλων των ψυχιάτρων και των γιατρών που δουλεύουν στα επείγοντα είναι να προβλέπουν και να προλαμβάνουν τους ασθενείς με αυτοκτονικό ιδεασμό.
Μελέτες απέδειξαν ότι οι αλγόριθμοι μηχανικής μάθησης, που έχουν εκπαιδευτεί να αξιολογούν την επιλογή και τη σειρά των λέξεων, έχουν καλύτερα αποτελέσματα στην αξιολόγηση σημειωμάτων αυτοκτονίας από τους γιατρούς, πράγμα που σημαίνει ότι εντοπίζουν εύστοχα σημάδια δυσφορίας.
Ετσι, η χρήση αυτών των συστημάτων για την τακτική παρακολούθηση των γραπτών των ασθενών ακόμα και στα social media, μέσω μιας εφαρμογής, θα μπορούσε να προσφέρει στους επαγγελματίες ψυχικής υγείας ένα σημαντικό εργαλείο».
Ο καθηγητής Αντώνιος Ντακανάλης επισημαίνει πως σκοπεύει να δοκιμάσει στην Ελλάδα μια εφαρμογή για κινητά τηλέφωνα που σχεδιάστηκε πρόσφατα στην Αμερική και αξιοποιεί την τεχνητή νοημοσύνη για τη διάγνωση ψυχικών νόσων εξ αποστάσεως.
«Η εφαρμογή αυτή οδηγεί τους ασθενείς σε μια σειρά επαναλαμβανόμενων λεκτικών ασκήσεων, όπως το να λένε μια ιστορία και να απαντούν σε ερωτήσεις σχετικά με τη συναισθηματική τους κατάσταση. Στη συνέχεια, ένα σύστημα τεχνητής νοημοσύνης αξιολογεί αυτά τα ηχητικά αποσπάσματα για σημάδια ψυχικής εξάντλησης, συγκρίνοντάς τα τόσο με τις προηγούμενες απαντήσεις του ατόμου όσο και με τις απαντήσεις ενός ευρύτερου πληθυσμού ασθενών.
Η εφαρμογή που δοκιμάστηκε σε περιοχές με ανεπαρκή πρόσβαση σε υπηρεσίες ψυχικής υγείας ήταν εξίσου ακριβής με τους ειδικούς ψυχικής υγείας στο να εντοπίζει τα σημάδια ψυχικής δυσφορίας με βάση την ομιλία».
