Nova nada za anksiozne: Vještačka inteligencija predviđa ko će se oporaviti, a ko neće – preciznost iznenađuje
Autor: Raport
Nova studija sa Univerziteta Penn State pokazuje da vještačka inteligencija, tačnije mašinsko učenje, može predvidjeti dugoročni oporavak od generaliziranog anksioznog poremećaja (GAD).
Osobe koje pate od generaliziranog anksioznog poremećaja – stanja obilježenog stalnom i pretjeranom brigom koja traje najmanje šest mjeseci – često dožive recidiv, čak i nakon liječenja. Istraživači sa Penn State univerziteta predlažu da bi vještačka inteligencija mogla pomoći u predviđanju dugoročnog oporavka i omogućiti personaliziranije strategije liječenja.
Mašinsko učenje nudi nove uvide
Koristeći metodu mašinskog učenja, istraživači su analizirali više od 80 faktora – uključujući psihološke, demografske, zdravstvene i životne navike – kod 126 anonimnih ispitanika sa dijagnozom GAD-a. Podaci su preuzeti iz studije “Midlife in the United States” američkog Nacionalnog instituta za zdravlje, koja prati zdravlje odraslih osoba uzrasta od 25 do 74 godine, s početnim intervjuima iz 1995–96. godine.
Modeli su identificirali 11 ključnih varijabli koje najjače predviđaju oporavak ili neoporavak tokom devet godina, postigavši tačnost do 72%. Nalazi su objavljeni u martovskom izdanju Journal of Anxiety Disorders.
„Ranija istraživanja su pokazala veoma visok stepen recidiva kod GAD-a, a tačnost procjene dugoročnog ishoda od strane kliničara je ograničena,“ izjavila je Candice Basterfield, glavna autorica studije i doktorantica na Penn Stateu. „Naši modeli pokazuju dobru tačnost, osjetljivost i specifičnost u predviđanju ko će se oporaviti, a ko neće. Ovi prediktori mogli bi igrati ključnu ulogu u razvoju personaliziranih terapija zasnovanih na dokazima.“
Ključni faktori za oporavak
Istraživači su analizirali bazne varijable kroz dva modela mašinskog učenja: linearni model (koji analizira odnos između varijabli i prikazuje ih na gotovo pravoj liniji) i nelinearni model (koji funkcioniše poput stabla koje se grana i samoispravlja greške). Linearni model se pokazao boljim od nelinearnog u tačnosti predviđanja.
Najutjecajniji faktori
Kao najvažniji za oporavak pokazali su se sljedeći faktori (po važnosti):
viši nivo obrazovanja
starija životna dob
veća podrška prijatelja
viši odnos struka/kukova
viši nivo pozitivnih emocija (npr. osjećaj vedrine)
S druge strane, prediktori neoporavka su bili:
depresivno raspoloženje
svakodnevna diskriminacija
veći broj susreta sa stručnjacima za mentalno zdravlje u proteklih 12 mjeseci
češće posjete ljekarima u istom periodu
Modeli su potvrđeni poređenjem predikcija sa stvarnim podacima iz MIDUS studije: 95 učesnika koji su na kraju devetogodišnjeg perioda više nisu imali simptome GAD-a, bili su u skladu s predviđenim rezultatima modela.
Personalizirano liječenje – budućnost borbe protiv anksioznosti
Nalazi sugeriraju da kliničari u budućnosti mogu koristiti AI kako bi identifikovali ključne varijable i individualizirali tretman za pacijente sa GAD-om – naročito za one sa dodatnim dijagnozama.
Gotovo 50 do 60 posto osoba s GAD-om također ima i depresiju, rekla je Michelle Newman, suautorica studije i profesorica psihologije na Penn Stateu. Personalizirani tretmani bi, prema njoj, mogli istovremeno ciljati i na depresivne simptome.
„Mašinsko učenje ne samo da posmatra pojedinačne prediktore, već nam pomaže da razumijemo njihovu međusobnu povezanost i težinu – nešto što je teško dokučiti bez pomoći tehnologije,“ pojasnila je Newman.
Prvi korak ka terapiji po mjeri čovjeka
Iako studija ne može precizno utvrditi trajanje simptoma tokom devetogodišnjeg perioda (s obzirom na to da je GAD hronično stanje sa oscilacijama), istraživači vjeruju da postavljaju temelje za razvijanje tretmana koji će biti prilagođeni svakom pojedincu.
„Ovo istraživanje nam pomaže da bolje razumijemo na koje načine liječenje može biti prilagođeno specifičnim potrebama svake osobe,“ zaključuje Newman.
Istraživanje je podržano od strane američkog Nacionalnog instituta za mentalno zdravlje.
