سلامت روان

تشخیص و درمان مبتنی بر هوش مصنوعی، آینده حوزه سلامت روان است

شارژ خریدن
سرفصل‌های مقاله

حمایت از حوزه سلامت روان انسان‌ها در اکثر نقاط جهان ناچیز است. مثلا در حالی‌که از هر پنج بزرگسال آمریکایی یک نفر با یک بیماری روانی زندگی می‌کند، تا ماه مارس 2023، 160 میلیون آمریکایی در مناطقی زندگی می‌کنند که در آن مناطق تعداد متخصصان بهداشت روان اصلا کافی نیست.

در عین حال، عرضه محدود روان‌پزشکان و سایر متخصصان مراقبت‌های بهداشتی، بسیاری از ارائه‌دهندگان خدمات درمانی را تحت فشار قرار داده و کارکنان و متخصصان محدود این حوزه، برای تشخیص و درمان تعداد زیادی از بیماران نیازمند مراقبت، تحت فشار هستند.

در ماه‌ها و حتی سال‌های اخیر درباره نقش هوش مصنوعی در حیطه پزشکی صحبت زیاده بوده، اما آیا هوش مصنوعی در حوزه سلامت و بهداشت روان هم کاربرد خواهد داشت؟

آینده حوزه سلامت روان

درمان مبتنی بر هوش مصنوعی
تشخیص و درمان مبتنی بر هوش مصنوعی

هوش مصنوعی (AI) یک تغییردهنده قواعد بازی در حوزه سلامت روان است، زیرا محققان و پزشکان را قادر می‌سازد تا به‌طور خودکار درمان بیماری‌های مانند آلزایمر، افسردگی و اسکیزوفرنی را تشخیص داده و کشف کنند.

در سال‌های اخیر، تعدادی از محققان هوش مصنوعی، مباحث یادگیری ماشینی (ML) و یادگیری عمیق را آزمایش کرده‌اند تا ببینند آیا می‌توان از آن‌ها برای تشخیص و درمان مشکلات روانی استفاده کرد یا نه.

به عنوان مثال، در سال 2022، محققان دانشگاه استنفورد از یادگیری ماشینی برای پیش‌بینی مصرف مواد افیونی در بیماران استفاده کردند. به عنوان بخشی از این مطالعه، محققان داده‌های شناسایی‌شده 180000 کارمند Medicaid (برنامه بهداشتی آمریکا برای خانواده‌ها و افراد با درآمد کم است) را برای بررسی شاخص‌های کلیدی مصرف مزمن مواد افیونی پردازش کردند.

این رویکرد به بینش جدیدی در مورد درمان اعتیاد به مواد افیونی منجر شد. به طور خاص، این مطالعه نشان داد که از روش درمانی محبوب ترک تریاک با استفاده از داروی افیونی «ترامادول»، می‌توان برای پیش‌بینی مصرف طولانی‌مدت مواد افیونی استفاده کرد.

این تحقیق همچنین نشان داد که 29.9 درصد از کسانی که برای اولین بار یا کمتر از 2 ماه مواد افیونی مصرف کرده بودند نیز در معرض خطر اعتیاد به مواد افیونی قرار دارند.

در مطالعه دیگری محققان دانشگاه کوئینز کانادا نشان دادند که چگونه می‌توان از هوش مصنوعی و یادگیری عمیق برای پردازش رونوشت مصاحبه بالینی و ارزیابی خودکار شدت افسردگی بیمار استفاده کرد. در این‌جا، هوش مصنوعی به استانداردسازی و تسریع فرایند ارزیابی کمک کرد.

توجه به این نکته مهم است که قابلیت‌های تشخیصی هوش مصنوعی جایگزین قضاوت یک متخصص اعصاب‌ و روان نیست، بلکه به آن‌ها امکان دسترسی به بینش‌های بیشتری را می‌دهد که می‌توانند از آن برای تصمیمات خود در مورد نحوه درمان و حمایت از بیماران حوزه سلامت روان استفاده کنند.

آیا هوش مصنوعی برای پیش‌بینی شرایط سلامت روان به اندازه کافی دقیق است؟

هنگام استفاده از هوش مصنوعی در یک محیط مراقبت‌های بهداشتی، بسیار مهم است که آگاهی و بینش تولیدشده از یک مجموعه داده تا حد امکان دقیق باشد، زیرا زندگی واقعی یک انسان در خطر است. یک تصمیم یا تشخیص اشتباه می‌تواند منجر به وارد شدن آسیب شدید یا دائمی به افراد آسیب‌پذیر شود.

با این حال، یکی از چالش‌های کلیدی در استفاده از هوش مصنوعی برای پیش‌بینی شرایط سلامت روان این است که دقت تشخیص یا پیش‌بینی‌های هوش مصنوعی، به کیفیت و دقت داده‌هایی که روی آن‌ها آموزش دیده بستگی دارد.

محقق بالینی «سارا گراهام» و همکارانش 28 مطالعه را که در آن‌ها از هوش مصنوعی برای پیش‌بینی، طبقه‌بندی یا زیرگروه‌بندی بیماری‌های سلامت روان مانند افسردگی، اسکیزوفرنی و سایر بیماری‌های روان‌پزشکی استفاده شده بود، بررسی کردند و دریافتند که دقت کلی آن‌ها بین 63 تا 92 درصد متغیر است.

دقت بالای هوش مصنوعی در این مطالعات به این دلیل بود که درباره سوژه‌های مطالعه، داده‌های بسیار دقیقی وجود داشت و هوش مصنوعی با داده‌های افرادی آموزش دیده بود که به مدت 15 سال در اسپانیا تحت نظر بودند و سه سال هم به طور منظم از آن‌ها آزمایش خون گرفته شده بود.

نکته کلیدی در این‌جا این است که سیستم‌های هوش مصنوعی زمانی که سیگنال‌های غنی برای استخراج بینش در اختیارشان قرار می‌گیرد، می‌توانند استنتاج‌های بسیار مطمئن‌تری داشته باشند.

نگرانی‌های اخلاقی استفاده از هوش مصنوعی در حوزه سلامت روان

البته در حالی‌که هوش مصنوعی نقش مفیدی در حمایت از بیماران سلامت روان دارد، باید با دقت به‌کار گرفته شود. در عمل، این بدان معناست که متخصصان مراقبت‌های بهداشتی نمی‌توانند برای تشخیص بیماری‌های روانی، صرفا به هوش مصنوعی تکیه کنند، بلکه می‌توانند تشخیص و درک خود را از وضعیت بیمار بهبود ببخشند.

به عنوان مثال، اگر یک روان‌پزشک یا یک روان‌شناس فردی را از نظر افسردگی ارزیابی کند، می‌تواند از دانش خود برای ارزیابی شدت وضعیت او استفاده کند و بینش‌های اضافی ایجادشده توسط هوش مصنوعی را برای افزایش اعتماد به نفس در تشخیص یا بررسی گزینه‌های درمانی احتمالی به‌کار بگیرد.

همچنین توجه به این نکته مهم است که سازمان‌هایی که می‌خواهند هوش مصنوعی را برای پردازش داده‌های بیمار اعمال کنند، باید از افراد بابت جمع‌آوری اطلاعات‌شان اجازه بگیرند، یا در صورت لزوم داده‌های آن‌ها را حذف کنند تا از حقوق حریم خصوصی افراد حمایت شود.

عدم انجام این کار می‌تواند منجر به تعهدات قانونی قابل توجهی تحت چارچوب‌های حفاظت از داده‌ها شود.

اخیرا سنای ایالات متحده خواستار بررسی دقیق برنامه‌های سلامت روان مانند BetterHelp و Talkspace شده است، زیرا این نگرانی وجود دارد که فروشندگان ممکن است اطلاعات خصوصی را جمع‌آوری کرده و برای استفاده‌های تجاری با افراد شخص ثالث به اشتراک بگذارند.

افزایش متخصصان مراقبت‌های بهداشتی روانی

هوش مصنوعی یک سوپرمن نجات‌بخش برای بحران سلامت روان نیست، اما فرصت‌هایی را برای پزشکان و محققان بالینی فراهم می‌کند تا توانایی‌های خود را برای تشخیص بیماری‌ها و درمان بیماران افزایش دهند.

اساسا هرچه داده‌های بیشتری برای حمایت از تشخیص یا درمان وجود داشته باشد، بهتر است.

مهران
مهران