Avances en la inteligencia artificial para la atención de la salud mental

 

Avances en la inteligencia artificial para la atención de la salud mental

Los avances en la inteligencia artificial han considerado que las computadoras ayudan a los médicos en el diagnóstico de enfermedades y ayudan a examinar los signos vitales de los pacientes de cualquier área. Se han logrado avances significativos en la inteligencia artificial que pronto afectarán la manera en que se practica la atención de la salud mental en los entornos clínicos cotidianos. El resultado será un tratamiento cada vez más individualizado que integrará modalidades de medicina complementaria y alternativa (MCA) tanto tradicionales como basadas en pruebas, medicamentos progresivamente viables y más eficaces en función de los costos de numerosos problemas de salud mental, y mejores resultados.

En Europa, la OMS evaluó que 44,3 millones de personas sufren de depresión y 37,3 millones padecen de ansiedad. El diagnóstico de los trastornos mentales depende de un método antiguo que puede ser subjetivo y poco fiable, dice la co-creadora del estudio, Brita Elvevåg, una neurocientífica cognitiva de la Universidad de Tromsø, Noruega.

Elvevåg declaró que la gente no es grande. Pueden ocuparse y de vez en cuando dejar pasar sutiles señales de habla y de advertencia. Desafortunadamente, no hay un análisis de sangre objetivo para la salud mental. Elvevåg y Foltz colaboraron para crear una innovación de aprendizaje automático que puede reconocer de manera definitiva los cambios diarios en el habla que insinúan una disminución del bienestar mental.

Por ejemplo, las frases que no siguen un patrón consistente pueden ser una manifestación básica en la esquizofrenia. Los cambios de tono o de ritmo pueden indicar locura o depresión, y la pérdida de memoria puede ser un indicio de problemas de salud tanto cognitivos como mentales. El lenguaje es un camino crítico para reconocer los estados mentales de los pacientes. Utilizando los teléfonos celulares y la IA, podemos rastrear a los pacientes a diario y examinar estos cambios discretos.

Más tarde, los pacientes pueden ir a la clínica médica con un brazo destrozado y salir de la clínica con un yeso y una nota con una sesión de psiquiatría necesaria debido al riesgo de suicidio marcado. Eso es en lo que se centran unos pocos investigadores con su marco de I.A. creado para detectar el comportamiento depresivo a tiempo y ayudar a reducir el aumento de los ajustes mentales extremos.

El algoritmo de aprendizaje automático realizado en el Centro Médico de la Universidad de Vanderbilt en Nashville utiliza los datos de admisión del hospital, incluyendo edad, sexo, código postal, medicación e historial de diagnóstico, para anticipar la probabilidad de que algún individuo al azar termine su propia vida. En los ensayos que utilizan los datos reunidos de más de 5.000 pacientes que han sido admitidos en el hospital ya sea por autolesión o por intentos de suicidio, el algoritmo fue un 84% preciso para anticipar si alguien intentaría suicidarse la semana siguiente, y un 80% exacto para prever si alguien intentaría suicidarse en los dos años siguientes.

Los avances en las grandes técnicas de análisis de datos permitirán pronto la automatización de la investigación bibliográfica, que proporcionará información de alta calidad sobre una amplia gama de modalidades de medicina complementaria y alternativa (MCA). Obtener grandes datos que sean útiles para la toma de decisiones en la medicina y la atención de la salud mental es una cuestión no trivial, ya que los pagadores y proveedores tienen varios tipos de información secreta sobre un paciente similar, frecuentemente codificada de diversas maneras.

En los datos grandes, hay regularmente una compensación entre la precisión a nivel micro y la comprensión de los beneficios del tratamiento a nivel completo. Se está abordando esta cuestión mediante la combinación de grandes conjuntos de datos sobre numerosas esferas, por ejemplo, datos de investigación clínica, información sobre la mejora de la calidad, registros sanitarios electrónicos y datos sobre reclamaciones administrativas, y utilizando el análisis multivariante para distinguir los subgrupos de pacientes que pueden reaccionar con mayor probabilidad a diversos medicamentos en diversos entornos.

Facebook también permite lograr algo similar en su plataforma. Durante bastante tiempo, la organización ha permitido a los usuarios denunciar el contenido suicida, sin embargo, la organización de la red social incrementó estos esfuerzos después de que algunas personas transmitieron en vivo sus suicidios en Facebook Live en 2017. Hace aproximadamente un año, Facebook incluyó una innovación basada en la I.A. que señala naturalmente los mensajes con articulaciones de pensamientos suicidas para que los revisores humanos de la organización los examinen. De esta manera, la organización actualmente usa tanto algoritmos como reportes de usuarios para señalar posibles amenazas de suicidio.

Los investigadores que participaron en un estudio publicado en World Psychiatry utilizaron una computadora de aprendizaje automático para caracterizar los patrones de habla de las personas con esquizofrenia y fueron un 83% precisos al anticipar cuándo ocurriría la psicosis.

Además, en 2019, los científicos de la Universidad de Pensilvania también contemplaron expresiones de soledad entre los usuarios de Twitter con la ayuda del procesamiento del lenguaje natural. Su trabajo y descubrimientos fueron publicados en la revista médica de acceso abierto BMJ Open. Los científicos reunieron alrededor de 400 millones de tweets en Pennsylvania entre 2012-16. Distinguieron a los usuarios cuyos mensajes contenían las palabras «solitario» o «solo» y los compararon con un grupo de control emparejado por edad, sexo y tiempo de publicación. Utilizando el procesamiento del lenguaje natural, «describieron los temas y los patrones diurnos de los mensajes de los usuarios, su relación con los marcadores lingüísticos de bienestar mental y si el lenguaje puede prever signos de soledad».

Los descubrimientos descubren que las líneas de tiempo de Twitter de más de 6.000 clientes, con posts que incluyen las palabras «solitario» o «solo», también incluían temas de conexiones relacionales problemáticas, relaciones interpersonales, síntomas psicosomáticos, uso de sustancias, deseo de cambio y alimentación poco saludable, entre otras cosas. Además, los mensajes estaban relacionados con indicaciones lingüísticas de ira, depresión y ansiedad.

Leave a Comment!