Er is een tekort aan ondersteuning in de geestelijke gezondheidszorg. Één op de vijf volwassenen in de VS leeft met een psychische aandoening. Vanaf maart 2023 wonen er echter 160 miljoen Amerikanen in gebieden met een tekort aan professionals in de geestelijke gezondheidszorg.
Tegelijkertijd zorgt een beperkt aanbod van psychiaters en andere zorgprofessionals ervoor dat veel zorgverleners overbelast raken. Het beperkt aantal medewerkers komt onder druk te staan om in zo kort mogelijke tijd een diagnose te stellen en patiënten te behandelen.
Kunstmatige intelligentie (AI) kan een doorbraak betekenen voor de geestelijke gezondheidszorg, niet alleen omdat het helpt bij het bestuderen van symptomen, voorspellers en signalen die kunnen worden gebruikt om aandoeningen zoals Alzheimer, depressie en schizofrenie te diagnosticeren, maar ook omdat het kan worden gebruikt om nieuwe behandelingen te ontdekken om deze aandoeningen aan te pakken.
Hoe AI professionals in de geestelijke gezondheidszorg kan helpen
In de afgelopen jaren hebben een aantal onderzoekers geëxperimenteerd met AI, machine learning (ML) en deep learning om te zien of ze kunnen worden gebruikt om psychische aandoeningen te diagnosticeren en te behandelen.
Zo gebruikten onderzoekers van Stanford in 2022 machine learning om het gebruik van opioïden bij patiënten te voorspellen. Als onderdeel van het onderzoek verwerkten de onderzoekers de niet-geïdentificeerde gegevens van 180.000 Medicaid-medewerkers om te scannen op de belangrijkste indicatoren van chronisch opioïdengebruik.
Deze aanpak leidde tot nieuwe inzichten in de behandeling van opioïdeverslaving. Meer specifiek toonde het onderzoek aan dat de populair voorgeschreven opioïde pijnbehandeling Tramadol gebruikt kon worden om langdurig opioïdegebruik te voorspellen.
Uit het onderzoek bleek ook dat 29,9% van de mensen die voor het eerst opioïden gebruikten of die minder dan 2 maanden opioïden gebruikten, het risico liepen om verslaafd te raken aan opioïden.
In een ander onderzoek lieten onderzoekers van Queen’s University Canada zien hoe AI en deep learning kunnen worden gebruikt om transcripties van klinische interviews te verwerken en automatisch de ernst van de depressie van een patiënt te beoordelen. Hier hielp AI bij het standaardiseren en versnellen van het beoordelingsproces.
Het is belangrijk om op te merken dat de diagnostische mogelijkheden van AI niet bedoeld zijn om het oordeel van een psychiater te vervangen. Het moet ze toegang geven tot meer inzichten die ze kunnen gebruiken om hun beslissingen over de behandeling en ondersteuning van hun patiënten te onderbouwen.
Is AI nauwkeurig genoeg om psychische aandoeningen te voorspellen?
Bij het gebruik van AI in de gezondheidszorg is het van het grootste belang dat de inzichten die uit een dataset worden gegenereerd zo nauwkeurig mogelijk zijn, omdat er echte levens op het spel staan. Een verkeerde beslissing of diagnose kan ertoe leiden dat kwetsbare mensen niet de hulp krijgen die ze nodig hebben.
Een van de belangrijkste uitdagingen bij het gebruik van AI om psychische aandoeningen te voorspellen, is echter dat de nauwkeurigheid van hun diagnose of voorspellingen afhangt van de kwaliteit en nauwkeurigheid van de gegevens waarop ze zijn getraind.
Klinisch onderzoekers Sarah Graham et al. beoordeelden 28 onderzoeken die AI gebruikten om psychische aandoeningen zoals depressie, schizofrenie en andere psychiatrische aandoeningen te voorspellen, classificeren of in subgroepen in te delen en ontdekten dat hun algehele nauwkeurigheid varieerde tussen 63%-92%.
Hoewel 63% relatief laag is, is 92% veelbelovend. Het suggereert dat als onderzoekers de tijd nemen om AI-systemen de juiste datasignalen te geven, ze de nauwkeurigheid van hun resultaten drastisch kunnen verhogen.
Uit een eerder dit jaar gepubliceerd onderzoek bleek bijvoorbeeld dat AI (CRANK-MS) kon worden gebruikt om de ziekte van Parkinson te voorspellen met een nauwkeurigheid van 96%.
Dit was mogelijk dankzij de gedetailleerde gegevens die beschikbaar waren over de proefpersonen, waarbij het onderzoek 78 personen uit Spanje volgde die tussen 1993 en 1996 een bloedmonster afgaven en 15 jaar lang werden gevolgd.
De belangrijkste conclusie hier is dat AI-systemen veel betrouwbaardere conclusies kunnen trekken wanneer ze worden voorzien van rijke signalen om inzichten af te leiden.
Ethische zorgen
Hoewel AI een nuttige rol kan spelen bij de ondersteuning van patiënten in de geestelijke gezondheidszorg, moet het natuurlijk voorzichtig worden toegepast. In de praktijk betekent dit dat professionals in de gezondheidszorg niet op AI kunnen vertrouwen om psychische aandoeningen te diagnosticeren. Wel kunnen ze het gebruiken om hun eigen diagnose en begrip van de aandoening van een patiënt beter te onderbouwen.
Als een psycholoog bijvoorbeeld een persoon beoordeelt op depressie, zouden ze hun eigen kennis kunnen gebruiken om de ernst van de aandoening in te schatten. Aanvullende inzichten die door AI worden gegenereerd kunnen ze gebruiken om het vertrouwen in hun diagnose te vergroten of mogelijke behandelingsopties kruiselings te controleren.
Het is ook belangrijk om op te merken dat organisaties die AI willen toepassen om patiëntgegevens te verwerken, toestemming moeten krijgen van de betrokkenen of hun gegevens moeten anonimiseren om hun recht op privacy te beschermen.
Als dit niet gebeurt, kan dit leiden tot aanzienlijke juridische aansprakelijkheid onder gegevensbeschermingsraamwerken zoals de GDPR en HIPAA of andere vormen van reputatierisico.
Onlangs nog heeft de Amerikaanse Senaat gevraagd om apps voor geestelijke gezondheidszorg zoals BetterHelp en Talkspace onder de loep te nemen. Men vreest namelijk dat leveranciers privégegevens verzamelen en delen met derden.
Verbetering van zorgverleners
AI is geen wondermiddel voor de crisis in de geestelijke gezondheidszorg. Het biedt wel mogelijkheden voor zorgverleners en klinisch onderzoekers om hun mogelijkheden voor het diagnosticeren en behandelen van patiënten uit te breiden.
Hoe meer gegevens er zijn om een diagnose of behandeling te ondersteunen, hoe beter.