Strojové učenie AI sa používalo na predpovedanie psychózy

Môže strojové učenie pomocou umelej inteligencie (AI) poskytnúť lekárom predpovede pacientov, u ktorých sa rozvinie psychóza? V novej európskej štúdii zverejnenej minulý mesiac v roku 2006 Psychiatria JAMA pod vedením Dr. Nikolaosa Koutsoulerisa z Psychiatrického ústavu Maxa Plancka v Mníchove v Nemecku použili vedci na predpovedanie duševných chorôb strojové učenie AI a ľudskú inteligenciu.

„Naša štúdia podľa našich vedomostí po prvý raz ukázala, že rozšírenie ľudských prognostických schopností pomocou rozpoznávania algoritmických vzorov zlepšuje prognostickú presnosť na okraje, ktoré pravdepodobne oprávňujú klinickú implementáciu nástrojov na podporu kybernetického rozhodovania,“ napísali vedci.

Psychóza je liečiteľný stav s mnohými príčinami, ktoré ovplyvňujú spôsob, akým mozog spracováva informácie. Vyznačuje sa stratou spojenia s realitou. Psychóza je príznakom zdravotných problémov, ako sú schizofrénia a bipolárna porucha, ktoré sa považujú za primárne psychotické ochorenia. Sekundárna psychóza je termín používaný na popis, keď človek zažije odpojenie od reality kvôli iným spúšťačom ako primárnym psychotickým ochoreniam.

Psychóza môže vzniknúť z nedostatku spánku, zdravotných stavov, traumy, stresu alebo návykových látok požívania alkoholu a drog. Psychóza môže sprevádzať úzkosť, depresiu, nespavosť a sociálnu izoláciu. Medzi príznaky psychózy patria napríklad halucinácie, bludy, nezmyselná reč a nevhodné správanie.

Zhruba traja zo 100 Američanov zažijú počas života psychózy a každý rok 100 000 mladých Američanov a dospievajúcich Američanov zažije svoju prvú psychotickú epizódu, uvádza Národný inštitút duševného zdravia (NIH).

Globálny trh s antipsychotikami bude medzi rokmi 2020 a 2027 rásť s CAGR na úrovni 4,1 percenta a podľa správy agentúry Research and Markets zo septembra 2020 sa predpokladá, že do roku 2027 dosiahne 21,8 miliárd USD. V minulom roku mali USA podľa rovnakej správy viac ako 28,8 percentný podiel na globálnom trhu s antipsychotikami.

Pre túto štúdiu výskumníci použili NeuroMiner, softvér strojového učenia dostupný na GitHub, na vývoj „sekvenčného prognostického algoritmu, ktorý identifikoval optimálnu sekvenciu prediktívnych komponentov, ktoré sa majú spojiť do hromadného modelu“.

Na nájdenie optimálnej množiny predikčných funkcií pre kalkulačky rizika použili vedci Support Vector Machine (SVM) poskytnutý knižnicou Liblinear v NeuroMiner.

Support Vector Machines sú modely strojového učenia pod dohľadom, ktoré sa používajú na nájdenie rozpoznateľných vzorov v komplexných súboroch údajov. Jedná sa o metódu strojového učenia, ktorá má relatívne znížené riziko preťaženia vysoko-dimenzionálnych obrazových údajov, ako je napríklad neuroimaging. Vďaka svojej flexibilnej metóde na klasifikáciu je Support Vector Machines metódou strojového učenia AI, ktorá je obzvlášť vhodná pre neurovedecký výskum precíznej psychiatrie pre predikciu AI depresie, Alzheimerovej choroby a schizofrénie.

„V tejto prognostickej štúdii s 334 pacientmi a 334 kontrolnými jedincami modely strojového učenia postupne kombinujú klinické a biologické údaje s odhadmi lekárov, ktoré správne predpovedajú prechody chorôb v 85,9 percentách prípadov v geograficky odlišných populáciách pacientov,“ uviedli vedci.

Zámerom vedcov bolo poskytnúť nástroj včasnej intervencie, ktorý pomôže zdravotníckym pracovníkom pri určovaní, ktorí pacienti vyžadujú terapeutické intervencie. Teraz existuje koncept koncepcie pre potenciálnu novú metódu AI na včasné odhalenie psychózy pacientov, ktorá môže jedného dňa viesť v budúcnosti k zlepšeniu liečby duševného zdravia.

Copyright © 2021 Cami Rosso Všetky práva vyhradené.

Obrázok z Facebooku: fizkes / Shutterstock

Obrázok LinkedIn: TheVisualsYouNeed / Shutterstock