Η τεχνητή νοημοσύνη φαίνεται να συνδράμει σημαντικά τον ιατρικό κλάδο προκειμένου να μπορέσει να εντοπίσει τους ασθενείς εκείνους που έχουν αυτοκτονικές τάσεις, διαπιστώνει μελέτη που πραγματοποιήθηκε από ερευνητές του Ιατρικού Κέντρου του Πανεπιστημίου Vanderbilt.
Ομάδα με επικεφαλής τον Κόλιν Γουάλς, αναπληρωτή καθηγητή Βιοϊατρικής Πληροφορικής, Ιατρικής και Ψυχιατρικής, εξέτασε εάν το σύστημά τους, που ονομάζεται μοντέλο Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL), θα μπορούσε να βοηθήσει τους γιατρούς σε τρεις νευρολογικές κλινικές στο VUMC να εντοπίσουν ασθενείς με αυτοκτονικές τάσεις κατά τη διάρκεια τακτικών επισκέψεων στην κλινική.
Η εν λόγω μελέτη, η οποία δημοσιεύθηκε στο περιοδικό «JAMA Network Open», συνέκρινε δύο προσεγγίσεις—αυτόματες αναδυόμενες ειδοποιήσεις που διέκοπταν τη ροή εργασίας του γιατρού έναντι ενός πιο παθητικού συστήματος που απλώς εμφάνιζε πληροφορίες στο ηλεκτρονικό διάγραμμα του ασθενούς.
Διαπιστώθηκε πως οι αναδυόμενες ειδοποιήσεις ήταν πολύ πιο αποτελεσματικές σε σχέση με το άλλο σύστημα.
«Οι περισσότεροι άνθρωποι που αποφασίζουν να αυτοκτονήσουν έχουν επισκεφθεί έναν πάροχο υγειονομικής περίθαλψης το έτος πριν από το θάνατό τους, συχνά για λόγους που δεν σχετίζονται με την ψυχική υγεία», είπε ο Γουόλς.
«Αλλά ο καθολικός έλεγχος δεν είναι πρακτικός σε κάθε περιβάλλον. Αναπτύξαμε το VSAIL για να βοηθήσουμε στον εντοπισμό ασθενών υψηλού κινδύνου και να προτρέψουμε εστιασμένες συνομιλίες προσυμπτωματικού ελέγχου» εξήγησε.
Οι εκκλήσεις για βελτίωση του προσυμπτωματικού ελέγχου κινδύνου οδήγησαν τους ερευνητές να διερευνήσουν τρόπους εντοπισμού των ασθενών που χρειάζονται περισσότερο αξιολόγηση.
Το μοντέλο VSAIL αναλύει πληροφορίες ρουτίνας από ηλεκτρονικά αρχεία υγείας για να υπολογίσει τον κίνδυνο απόπειρας αυτοκτονίας ενός ασθενούς για 30 ημέρες.
Σε προηγούμενες προοπτικές δοκιμές, όπου τα αρχεία ασθενών VUMC επισημάνθηκαν αλλά δεν ενεργοποιήθηκαν ειδοποιήσεις, το μοντέλο αποδείχθηκε αποτελεσματικό στον εντοπισμό ασθενών υψηλού κινδύνου, με 1 στα 23 άτομα που επισήμανε το σύστημα, να αναφέρουν αργότερα αυτοκτονικές σκέψεις.
Οι ερευνητές εκτιμούν πως παρόμοια συστήματα θα μπορούσαν να δοκιμαστούν και σε άλλα ιατρικά περιβάλλοντα.
«Αυτά τα ευρήματα υποδηλώνουν ότι η αυτοματοποιημένη ανίχνευση κινδύνου σε συνδυασμό με καλά σχεδιασμένες ειδοποιήσεις θα μπορούσαν να μας βοηθήσουν να εντοπίσουμε περισσότερους ασθενείς που χρειάζονται υπηρεσίες πρόληψης αυτοκτονιών» κατέληξε ο ερευνητής.
