Il machine learning / AI può identificare le persone che necessitano di cure specialistiche per la depressione

I ricercatori hanno creato modelli decisionali per prevedere quali pazienti potrebbero aver bisogno di più cure per la loro depressione di quanto possa offrire il loro medico di base. Gli scienziati affermano che gli algoritmi sono progettati specificamente per fornire informazioni su cui il medico può agire e adattarsi ai flussi di lavoro clinici esistenti.

Gli esperti notano che la depressione è la malattia mentale più comune al mondo. L'Organizzazione mondiale della sanità stima che colpisca circa 350 milioni di persone. La malattia può variare di intensità, da un disturbo dell'umore relativamente lieve a una depressione avanzata o grave.

Alcune persone potrebbero essere in grado di gestire la propria depressione da sole o con la guida di un medico di base. Tuttavia, altri possono avere una depressione più grave che richiede cure avanzate da fornitori di servizi di salute mentale.

Gli scienziati del Regenstrief Institute e dell'Indiana University hanno creato algoritmi per estrarre la cartella clinica elettronica e identificare le persone che trarrebbero beneficio da cure avanzate. Il sistema informativo fornisce quindi un avviso ai fornitori di cure primarie in modo che possano indirizzare l'individuo a specialisti di salute mentale appropriati.

"Il nostro obiettivo era costruire modelli riproducibili che si adattassero ai flussi di lavoro clinici", ha affermato Suranga N. Kasthurirathne, Ph.D., primo autore dell'articolo e ricercatore presso il Regenstrief Institute.

"Questo algoritmo è unico perché fornisce informazioni utili ai medici, aiutandoli a identificare quali pazienti potrebbero essere più a rischio di eventi avversi da depressione".

Gli algoritmi combinavano un'ampia varietà di informazioni comportamentali e cliniche dall'Indiana Network for Patient Care, uno scambio di informazioni sanitarie in tutto lo stato. Il dottor Kasthurirathne e il suo team hanno sviluppato algoritmi per l'intera popolazione di pazienti, nonché diversi gruppi ad alto rischio.

"Creando modelli per diverse popolazioni di pazienti, offriamo ai leader del sistema sanitario la possibilità di selezionare il miglior approccio di screening per le loro esigenze", ha affermato Kasthurirathne.

"Forse non hanno le risorse computazionali o umane per eseguire modelli su ogni singolo paziente. Questo dà loro la possibilità di selezionare pazienti ad alto rischio selezionati. "

“I medici delle cure primarie hanno spesso un tempo limitato e identificare i pazienti con forme più gravi di depressione può essere impegnativo e richiedere tempo. Il nostro modello li aiuta ad aiutare i loro pazienti in modo più efficiente e contemporaneamente a migliorare la qualità dell'assistenza ", ha affermato Shaun Grannis, M.D., M.S., coautore.

"Il nostro approccio è anche adatto per sfruttare la crescente adozione e interoperabilità della tecnologia dell'informazione sanitaria per consentire cure preventive e migliorare l'accesso ai servizi sanitari avvolgenti", ha affermato Grannis.

Lo studio appare nel Journal of Medical Internet Research.

Fonte: Regenstrief Institute / EurekAlert