Αντιμετώπιση κατάθλιψης με τη βοήθεια της τεχνητής νοημοσύνης

Πρωτοποριακή τεχνολογία μηχανικής μάθησης μπορεί να δώσει λύσεις στην εξατομίκευση της φαρμακευτικής θεραπείας κατά της κατάθλιψης.

Μια καινούρια επιστημονική μελέτη φαίνεται ότι ανοίγει τον δρόμο προς την εξατομικευμένη θεραπείας της κατάθλιψης με τη βοήθεια της Τεχνητής Νοημοσύνης. Η μελέτη έγινε σε περισσότερα από 300 άτομα που πάσχουν από βαριάς μορφής κατάθλιψη. Όπως διαπίστωσαν οι επιστήμονες, τα «μοτίβα» των εγκεφαλικών κυμάτων των ασθενών που αναλύθηκαν με τη βοήθεια αλγόριθμων, μπορούν να χρησιμοποιηθούν για την εκτίμηση της ενδεδειγμένης φαρμακευτικής θεραπείας.

Ο καθηγητής Ψυχιατρικής που σκοπεύει να λύσει το πρόβλημα

Είναι γνωστό ότι οι διάφορες μορφές κατάθλιψης αποτελούν τη συνηθέστερη ψυχική διαταραχή στον σύγχρονο κόσμο και οι συνέπειές της συνδέονται με εκατομμύρια θανάτους. Τα αντικαταθλιπτικά είναι αποτελεσματικά αλλά όχι σε όλους τους ασθενείς και σίγουρα όχι εξίσου αποτελεσματικά, αφού όπως έχει διαπιστωθεί αρκετοί δεν ανταποκρίνονται καν στη θεραπεία, ενώ δεν είναι λίγοι όσοι βλέπουν την κατάστασή τους να επιδεινώνεται. Εκτιμάται ότι μόλις ένας στους τρεις ανταποκρίνεται άμεσα στη φαρμακευτική θεραπεία.

Ο Amit Etkin, συγγραφέας της μελέτης και καθηγητής ψυχιατρικής στο Πανεπιστήμιο του Stanford, αποφάσισε να δοκιμάσει τις δυνατότητες της ΑΙ για την επίλυση ενός από τα βασικότερα, όπως ο ίδιος, λέει προβλήματα που αντιμετωπίζουν οι γιατροί του κλάδου: την επιλογή της κατάλληλης φαρμακευτικής θεραπείας ασθενών με κατάθλιψη. «Ουσιαστικά έχουμε ελάχιστη γνώση για την ενδεδειγμένη θεραπεία» δηλώνει, με αποτέλεσμα να δοκιμάζουν θεραπείες χωρίς να έχουν επαρκή δεδομένα.

Η μελέτη δημοσιεύθηκε στην επιστημονική επιθεώρηση Nature Biotechnology.

Η ΑΙ «διαβάζει» τα εγκεφαλικά κύματα

Ο καθηγητής Ψυχιατρικής Amit Etkin ίδρυσε πρόσφατα την Alto Neuroscience, ένα startup που χρησιμοποιεί την τεχνολογία για τη διάγνωση και τη βέλτιστη  αντιμετώπιση ψυχικών ασθενειών, μέσω (και) της επιλογής ενδεδειγμένων θεραπειών.

H εν λόγω μελέτη συνδέεται με ένα από τα project που συντόνισε ο καθηγητής και αφορά την ανάλυση της εγκεφαλικής δραστηριότητας, προκειμένου να διαπιστωθεί κατά πόσο ανταποκρίνεται κάθε ασθενής στη φαρμακευτική θεραπεία. Ο αλγόριθμος μηχανικής μάθησης που αναπτύχθηκε αναλύει την εγκεφαλική δραστηριότητα των ασθενών, όπως προκύπτει από το εγκεφαλογράφημα.

Με αυτό τον τρόπο, εντοπίζονται τόσο οι ασθενείς που θα ανταποκριθούν θετικά στη φαρμακευτική θεραπεία, όσο κι εκείνοι που βάσει της εγκεφαλικής δραστηριότητας δεν μπορούν να λάβουν τη συγκεκριμένη αγωγή, επομένως θα πρέπει να ακολουθήσουν μη φαρμακευτικές θεραπείες, όπως η διακρανιακή μαγνητική διέγερση.

Δεδομένου ότι οι περισσότεροι ψυχίατροι διαθέτουν τον εξοπλισμό EEG που απαιτείται για τη συλλογή των απαιτούμενων δεδομένων, η επιστημονική ομάδα του Stanford θεωρεί ότι η βοήθεια της τεχνητής νοημοσύνης μέσω του υπολογιστικού συστήματος SELSER μπορεί να επεκταθεί σε όλο τον κόσμο, βοηθώντας τους γιατρούς να επιλέξουν την ορθή αγωγή, και βέβαια τους ασθενείς που θα έχουν πρόσβαση στα κατάλληλα αντικαταθλιπτικά.