Для пациента и его родственников
В чем заключается обработка естественного языка и обучение с подкреплением в искусственном интеллекте? В чем спецификак исследований искусственного интеллекта в психиатрии?
Машинное обучение относится к программному подходу в компьютерной науке, в котором поведение программы не полностью определяется установленным кодом, но может адаптировать свое поведение (т. е. обучаться) на основе собранных данных. Простые нейронные сети используются в медицине с начала 90-х годов прошлого века для интерпретации электрокардиограмм (Willems J., et.al., 1991), индивидуальных прогнозов реакции на антидепрессанты и диагностики инфаркта миокарда (Baxt W., et.al., 1991). Глубокое обучение является особым вариантом машинного обучения, которое часто моделируется с использованием искусственных нейронных сетей, обычно состоящих из взаимосвязанных узлов, представляющих искусственные нейроны. Глубокое обучение использовалось для разработки лекарств, прогнозирования экспрессии мутаций генов, анализа гистологических примеров и чтения рентгенографических изображений (Leung M., et.al., 2014; Chowdhury G., 2003). Обработка естественного языка (NLP) включает обучение компьютеров пониманию текста и устной речи или слов так, как общаются люди. NLP широко применяется в медицине, где он используется для извлечения структурированного текста (например, контекста диагностики и лечения) из неструктурированного текста (например, электронных медицинских карт). Наконец, обучение с подкреплением - это область вычислений, в которой компьютеры можно обучить принимать решения на основе прошлых и текущих данных и заданного контекста для максимизации долгосрочных результатов. Например, обучение с подкреплением использовалось при разработке методов лечения эпилепсии и сепсиса (Gottesman O, et.al., 2019). Большинство исследований искусственного интеллекта в медицине и психиатрии, в частности, были сосредоточены либо на NLP, либо на интеграции различных биомаркеров для классификации определенных расстройств, таких как заболевания сердца, эпилепсия и различные типы рака. Ограниченное постоянное сотрудничество между инженерами, специалистами по данным и организаторами здравоохранения и психиатрами в области психического здоровья повлияло на более медленное внедрение этих методов в психиатрию, по сравнению с другими медицинскими специальностями. Внедрение носимых технологий (например, смарт-часов) не только помогает пассивно собирать большие объемы данных, но и открывает двери для использования данных для обеспечения возможностей удаленной психиатрической помощи, включая диагностику психических расстройств в детской, подростковой и геронтологической психиатрии.
Для врача
Какому психического расстройству в детской психиатрии уделено наибольшее внимание в области искусственного интеллекта? Какие параметры физиологических реакций анализируются в программах искссственного интеллекта в области детской и подростковой психиатрии?
Большинство исследований (58%) в области искусственного интелекта сосредоточены на том, как использование носимых устройств может быть использовано для помощи в диагностике и лечении расстройств аутистического спектра (Welch V., et.al., 2022). Несколько исследований использовали нагрудные ремни электрокардиограммы в основном для классификации реакций вегетативной нервной системы у пациентов с расстройствами аутистического спектра во время решения различных задач (Billeci L, et.al., 2018). В нескольких исследованиях в дополнение к измерениям электрокардиографии использовалась электроэнцефалография. Так, L. Billeci et.al. ( 2018) сосредоточились на получении количественной электроэнцефалографии (анализ паттернов), которая должна была определить эффективность лечения. . Использование такого устройства с искусственным интеллектом позволило психотерапевтам отслеживать вовлеченность ребенка в ту или иную деятельнсть и адаптировать свою терапию к его конкретным потребностям. В другом исследовании, в дополнение к измерению электроэнцефалографии и электрокардиографии, также использовался браслет-акселерометр и было создано приложение для мобильного телефона под названием MyMedia и MySchedule (Gay V, Leijdekkers P., 2014). В этом исследовании шесть основных эмоций, которые разработано для захвата приложением, были счастье, грусть, страх, отвращение, удивление и гнев. Датчики и распознавание лиц определяли расширение зрачков, проводимость кожи, частоту и вариабельность сердечных сокращений, артериальное давление, концентрацию и уровень внимания (через гарнитуру, часы и нагрудный ремень). Этот метод предоставил аутичным детям и их родителям персонализированный способ понимать и контролировать свои эмоции. Во многих работах использовались биосенсоры, которые носились на запястьях. С помощью устройства Empatica E4 (Empatica, Inc) анализировался сбор и анализ физиологических и двигательных данных у детей с аутизмом во время естественных наблюдений с целью прогнозирования агрессивного поведения (Goodwin M., et.al., 2019).
Для исследователя
Что можно исследоватеь с помощью нгосимых устройств в детской и подростковой психиатрии?
Исследование в области искусственного интеллекта в детской и подростковой психиатрии может быть посвящено носимым устройствам, которые пассивно отслеживает физиологические переменные в режиме реального времени (объективные измерения), причем, устройство должно носиться пациентом, у которого диагностировано одно или несколько из следующих психических расстройств: оппозиционно-вызывающее расстройство, расстройство поведения, расстройство настроения (депрессия, тревожность и биполярное расстройство), синдром дефицита внимания и гиперактивности, нарушение обучаемости (дислексия и т. д.), аутизм или другое психотическое расстройство.
Литература
Baxt WG. Use of an artificial neural network for the diagnosis of myocardial infarction. Ann Intern Med. 1991;115(11):843–8.
Billeci L, Tonacci A, Narzisi A, Manigrasso Z, Varanini M, Fulceri F, Lattarulo C, Calderoni S, Muratori F. Heart rate variability during a joint attention task in toddlers with autism spectrum disorders. Front Physiol. 2018;9:467
Brunn M, Diefenbacher A, Courtet P, Genieys W. The future is knocking: how artificial intelligence will fundamentally change psychiatry. Acad Psychiatry. 2020;44(4):461–6.
Chowdhury GG. Natural language processing. Ann Rev Info Sci Tech. 2003;37(1):51–89.
Gay V, Leijdekkers P. Design of emotion-aware mobile apps for autistic children. Health Technol. 2014;4(1):21–6.
Gottesman O, Johansson F, Komorowski M, Faisal A, Sontag D, Doshi-Velez F, Celi LA. Guidelines for reinforcement learning in healthcare. Nat Med. 2019;25(1):16–8
Goodwin MS, Mazefsky CA, Ioannidis S, Erdogmus D, Siegel M. Predicting aggression to others in youth with autism using a wearable biosensor. Autism Res. 2019;12(8):1286–96.
Leung MK, Xiong HY, Lee LJ, Frey BJ. Deep learning of the tissue-regulated splicing code. Bioinformatics. 2014;30(12):i121–9.
Welch V., et.al. Use of Mobile and Wearable Artificial Intelligence in Child and Adolescent Psychiatry: Scoping Review. J Med Internet Res. 2022 Mar; 24(3): e33560
Willems JL, Abreu-Lima C, Arnaud P, van Bemmel JH, Brohet C, Degani R, Denis B, Gehring J, Graham I, van Herpen G. The diagnostic performance of computer programs for the interpretation of electrocardiograms. N Engl J Med. 1991;325(25):1767–73.
Добавить комментарий