Psihijatrijski poremećaji predstavljaju jedan od najvećih javnozdravstvenih izazova, a pravovremena dijagnoza i rani te personalizirani tretman su izazovi uslijed prije svega velikog opterećenja sistema, ali i posebnosti same struke. Niz AI inovacija može doprinijeti terapijama u psihijatriji i jačanju podrške mentalnom zdravlju, ali efekti AI nisu svemogući, postoje ograničenja i postoje podijeljena mišljenja o ovome
Pandemija COVID-19 mnoge od nas je zabarikadirala u vlastitim domovima. Već i sama izolacija pojačala je sve naše stare i nove strahove i potakla ih da izađu na površinu i preuzmu našu svakodnevnicu. Dodamo li stvarnu prijetnju po vlastiti i život i zdravlje najbližih, neprestani priliv novih dezinformacija, početno nesnalaženje zdravstvenog sistema na očigled preplašenih građana, lične i globalne gubitke, jasan je udar koji je moralo otrpjeti mentalno zdravlje.
Posljedica je globalni porast incidence depresije, anksioznosti i posttraumatskog stresnog poremećaja (PTSP). Ovo su lakša patološka stanja koja uzrokuju nelagodu i narušavaju kvalitet života osobe, ali ne remete njenu percepciju stvarnosti.
Teža patopsihološka stanja, psihoze karakteriše gubitak odnosa sa stvarnošću, deluzije, halucinacije, disocirano mišljenje te nerijetko socijalna disadaptacija i izolacija. Tokom pandemije ova populacija je također bila na udaru jer su socijalna izolacija, nezaposlenost, pogoršanje fizičkog zdravlja predstavljali rizik za egzacerbaciju – pogoršanje simptoma psihoze.
Protekli period upozorio nas je koliko su krhki mentalno zdravlje i sistem koji bi trebao da ga štiti.
Soft skills i komunikacija: ključni faktori u dijagnostici i terapiji mentalnih poremećaja
Psihijatrija, koju mnogi smatraju jednom od najmlađih grana medicinskih nauka, oslanja se na opažanje emocionalnih stanja i ponašanja pacijenta, i za njene procedure potrebne su i određene soft skills u svrhu izgradnje povjerenja i formiranja odnosa s pacijentom.
U ovom kontekstu, soft skills se odnosi na vještine snalaženja u netipičnim situacijama i fleksibilnost u pristupu pacijentu, razumijevanje drugoga i onoga što traži od nas, raspoznavanje neverbalnih znakova i sposobnost navigacije kroz pacijentov doživljaj svijeta. Klinički podaci su subjektivniji, kvalitativniji, prikupljeni tokom dužeg vremena, njihov osnov su izjave pacijenta i opažanja koja u formi pisanih bilješki postaju predmetom naknadne analize ljekara.
Mentalni poremećaji su izazov za dijagnosticiranje na kakvo smo navikli kod ostalih medicinskih grana, ono je dugotrajnije i složenije upravo zbog trenutnog nedostatka objektivnih pokazatelja u vidu biomarkera, kao i zbog jedinstvenih karakteristika bolesti koji se kod svake individue mogu drugačije ispoljiti i možda nisu uočeni od strane stručnog lica. Danas je opšte prihvaćeno da se dijagnoza uglavnom uspostavlja na temelju simptoma kategoriziranih prema Dijagnostičkom i statističkom priručniku mentalnih poremećaja (DSM-5), što iziskuje prikupljanje i analizu niza kliničkih podataka i pacijentovih opažanja.
Uloga umjetne inteligencije u psihijatriji: napredak, ograničenja i perspektive
Psihijatrija, kao uostalom i svaka druga oblast ljudskih djelatnosti, suočava se danas sa izazovom umjetne inteligencije, a iako je upotreba AI u medicini je sve učestalija, njena primjena u psihijatriji je relativno sporije napredovala baš zbog osjetljive i nepredvidive prirode stanja.
AI svojim analitičkim sposobnostima može pomoći psihijatrima da definišu mentalne bolesti objektivnije nego što to trenutno čini DSM-5.
Naime, AI omogućava identifikaciju određenih uzoraka unutar velikih heterogenih skupova podataka. Ti veliki skupovi podataka mogu uključivati različite psihometrijske skale ili skale ocjene raspoloženja, MRI snimke mozga, genomiku, biomarkere u krvi, podatke prikupljene s mobilnih telefona i društvenih mreža, podatke o jeziku i govoru, podatke o izrazima lica, dinamiku očnih jabučica te procjenu pažnje temeljenu na podacima o fiksiranju pogleda, kao i analize nekih fizioloških signala, npr. srčana frekvenca i ritam, disanje, treptanje, položaj tijela, itd.
Pandemija COVID-19 predstavljala je ozbiljnu prijetnju i po mentalno zdravlje zdravstvenih radnika, koji su se našli pod rizikom za razvoj anksioznosti, depresije, PTSP-a ili čak suicidalnog ponašanja. Zato je 2020. godine tim istraživača sa zagrebačkog FER-a zajedno sa prof. Tanjom Jovanović sa Wayne State University objavio rad u kojem opisuje metodologiju za predviđanje mentalnih poremećaja kod zdravstvenih radnika, baziranu na AI analizi prikupljenih neuro-psiho-fizioloških značajki. Metoda je primjenjiva i u široj populaciji.
Prikupljanjem i analizom tih podataka AI može doprinijeti prepoznavanju obrazaca i skrivenih upozoravajućih znakova koje bi ljekar možda propustio uočiti. Takve bi informacije dalje olakšale i ubrzale postavljanje dijagnoze.
Jezik i govor su zapravo primarni izvori podataka za kliničare u dijagnosticiranju i liječenju mentalnih poremećaja jer su izvor informacija o misaonom toku i sadržaju.
Individualne karakteristike često su vrlo suptilne i teško se uočavaju, npr. suptilne promjene u tonu ili brzini govora. Takve promjene mogu biti znak manije ili depresije. AI može analizirati jezik i govor, koji su jedni od ključnih elemenata za uvid u mentalno stanje pacijenata.
Poremećaj u mišljenju manifestuje se kao dezorganizacija u komunikaciji. Poremećaj u mišljenju karakterističan je za psihoze poput shizofrenije, a opisan je i kao „labavljenje asocijacija“.
Tu ubrajamo siromaštvo govora i nelogičnosti, inkoherentnost (žargonski „salata od riječi“), neologizme (nove riječi), ubrzan govor, blokade u govoru, distraktibilnost, skretanje s teme, uporno ponavljanje riječi ili ideja, nepravilan izgovor neke riječi zbog dodavanja ili ispuštanja glasova.
Niz AI inovacija omogućava brzu i preciznu ekstrakciju jezičkih formi koje odstupaju od uobičajenog, a ovo se može koristiti za predviđanje mentalnih bolesti, čak i u početnim fazama bolesti.
Pred nama je dalek put, ali AI alati mogli bi predvidjeti kako će pojedinci reagirati na određeni tretman, što je ključno za personalizaciju, tj. prilagođavanje tretmana svakoj osobi posebno. Tu naravno treba biti oprezan.
Naime, u radu objavljenom početkom ove godine u naučnom časopisu Science, istraživači su pokazali da AI modeli dizajnirani za pomoć u terapiji shizofrenije mogu predviđati ishode tretmana s visokom tačnošću u uzorku na kojem su trenirani, ali se algoritam ne prilagođava dobro novim, ranije neviđenim podacima. U slučaju novih skupova podataka, tačnost predviđanja pada na razinu malo bolju od slučajnosti.
Ispitivanja provedena između 2004. i 2009. godine pratila su simptome učesnika studije prije i četiri sedmice nakon uzimanja jednog od tri antipsihotika – olanzapina, kvetiapina i paliperidona. Na podacima iz tog istraživanja tim je trenirao algoritam da predviđa poboljšanja simptoma tokom te četiri sedmice. Upoređujući predviđanja sa stvarnim ishodom utvrđena je visoka tačnost AI modela.
Zatim su željeli ocjeniti koliko dobro model reaguje na nove podatke. Trenirali su ga na podskupu podataka iz jednog kliničkog istraživanja, a zatim primijenili na drugi podskup tog istog istraživanja. Model je loše prošao na tim testovima, dajući gotovo nasumične prognoze. Autori studije poentiraju da bi klinički modeli morali biti rigorozno testirani na više uzoraka, tj. na velikim skupovima podataka kako bi se osigurala njihova pouzdanost.
Balans između ljudske i tehnološke interakcije u pružanju mentalno-zdravstvene podrške
Istraživanja se neumorno provode u raznim sferama psihijatrije: razvijaju se alati za predijagnostičko ispitivanje, modeli za procjenu rizika i određivanje podložnost pojedinca mentalnim bolestima, algoritmi za pomoć u terapiji različitih poremećaja.
Ipak, čovjek i dalje ostaje ključna i nezamjenjiva karika u procesima dijagnosticiranja i terapije.
Pronaći prave riječi podrške i ohrabrenja te adekvatnim objašnjenjem odagnati pacijentove sumnje, strahove i zablude može samo edukovan i empatičan zdravstveni radnik. Tu dolazimo do komunikacije kao najvažnijeg alata zdravstvene profesije. Obuka svih zdravstvenih radnika u komunikacijskim vještinama je vrlo važna. Soft skills s početka priče podrazumijevaju i dobre komunikacijske vještine kao odliku dobrog psihijatra.
Tehnološki napredak u vidu AI i mašinskog učenja (ML) može se koristiti u ovu svrhu i studentima medicine i ljekarima pružiti priliku za lako dostupan trening komunikacije. Upotreba AI i ML-a u obuci iz komunikacijskih vještina osmišljena je u vidu razgovora s virtuelnim pacijentima i zapravo je vrlo obećavajuća jer omogućava stvaranje različitih scenarija inspirisanih određenim realnim situacijama.
Učesnici vježbaju tokom simuliranih susreta s pacijentima, a sve je prilagođeno izazovima iz svakodnevne kliničke prakse.
Ključna komponenta za uspješnost ovog vida treninga je autentičnost govora i jezika AI-simuliranih virtuelnih pacijenata. Na ovaj način mogu se riješiti i problemi učesnika koji oklijevaju obratiti se svom treneru ili nadređenom zbog ograničenog vremena ili moguće stigme pri traženju pomoći.
Motivacija korisnika igra najvažniju ulogu u implementaciji ovih tehnologija, a samoj motivaciji najviše doprinosi prilagođenost tehnologije korisniku.
Činjenica da u većini slučajeva tehnološka izvedba još uvijek zaostaje za ljudskom izvedbom, posebno kada je riječ o autentičnosti simulacije pacijenata, prilika je za dalja unapređenja.
Inovativne terapije i tehnološka podrška u psihijatriji: perspektiva budućnosti
Još ponešto o AI u psihijatriji…
Kognitivno-bihevioralna terapija (CBT) obuhvata prepoznavanje sputavajućeg obrasca razmišljanja i mijenjanje maladaptivnog ponašanja koje često slijedi taj obrazac. Na primjer, možda ste primijetili da ste uplašeni i napeti kada se trebate obratiti većem skupu ljudi, na sastanku i slično, CBT teoretski pomaže da prepoznamo taj triger i uči nas tehnikama kako ublažiti strah i kako reagovati u neprijatnim situacijama. CBT je našao svoju primjenu u tretmanu neurotskih poremećaja, ali i kao pomoć u određenim aspektima psihoze.
Jedan od pionira na području AI asistirane psihijatrijske/psihološke pomoći je Woebot aplikacija (logo na naslovnoj slici ovog teksta) koja kroz poruke angažuje korisnike i pomaže im da prepoznaju emocije i obrasce razmišljanja te nudi tehnike smanjenja anksioznosti bazirane na principima CBT-a. Aplikacija zapravo oponaša razgovor, pamti prethodne sesije i daje savjete o problemima sa snom, itd.
Po pitanju ove aplikacije postoje dva tabora psihijatara i psihologa. Jedni vjeruju u njen potencijal, a drugi su jako skeptični, i to s dobrim razlogom.
Aplikacije i AI inovacije ovog tipa imaju brojna ograničenja, npr. izostavljaju neverbalnu komunikaciju pacijenta, bot ne uspijeva uvijek „uhvatiti” tačna značenja određenih izraza, minimalna je mogućnost da može dati istovremeno korisniku prilagođen, kompleksan i „čovječiji” savjet, a treba imati na umu i pitanje sigurnosti podataka. Autori jedne studije naklonjene primjeni Woebot-a finansijski su bili povezani sa samom Woebot Health kompanijom.
Ono što jeste benefit je laka i stalna dostupnost, korisniku su ponuđene kratke vježbe koje mogu biti konstruktivne u nošenju sa stresom i opterećujućim mislima. Potencijal ovakvih aplikacija postoji, ali isključivo uz ozbiljna istraživanja, bez lažnih obećanja, ishitrenog plasiranja na tržište, ili jednostavno rečeno bez brzog bogaćenja kao glavnog motivatora njenim tvorcima.
Avatar terapija smišljena je za pacijente sa shizofrenijom koji imaju auditivne halucinacije. Shizofrenija spada u psihotične poremećaje i pogađa oko 1,5% populacije. Mnogi pacijenti imaju slušne halucinacije koje su nasilnog i progoniteljskog karaktera, i nerijetko podstiču pacijenta na samopovrijeđivanje.
Avatar terapija omogućava oboljelom da stupi u dijalog sa digitalnom vizuelnom reprezentacijom proganjajućeg glasa kojeg čuje. Nakon što pacijent i terapeut kreiraju avatar koji odgovara proganjajućem glasu, pacijent ostaje u prostoriji sa kompjuterom, a terapeut odlazi u drugu prostoriju gdje ima mogućnost da razgovara sa pacijentom svojim glasom, a također kontroliše ono što govori avatar koristeći software za izmjenu glasa.
Pažljivo dizajnirani avatari uz prisustvo terapeuta potencijalno mogu pomoći pacijentu da se suoči sa strahom od progoniteljskog glasa te učiniti iskustvo manje uznemirujućim. Iako još uvijek nema dovoljno studija koje potvruđuju njenu učinkovitost, sam koncept otvara prostor za promišljanje o terapijskim metodama koje bi mogle olakšati pacijentima funkcionisanje sa, za njih, nerijetko zastrašujućim halucinacijama.
U gerijatrijskoj psihijatriji je sve veća primjena terapije igračkama kod demencije, iako su empirijski dokazi za njenu učinkovitosti ograničeni. Zagovornici ove terapije ističu da može dovesti do smanjenja tjeskobe kod pacijenata.
AI roboti poput PARO-a ili e-Bear-a osmišljeni su kao asistenti za pacijente sa demencijom ili depresijom. Oni podstiču na interakciju, reaguju na govor i pokrete pacijenata i mogu s njima voditi „dijaloge”. Cilj ove terapije je smanjenje stresa i usamljenosti, poboljšavanje raspoloženja i socijalne povezanosti. Studije pokazuju da je AI plišani tuljan PARO poboljšao spontanu komunikaciju i verbalnu i vizuelnu angažiranost kod osoba s demencijom. U jednom istraživanju PARO je korišten kako bi olakšao razgovore između pacijenta i terapeuta.
Međutim, uočene su i prepreke, kao što je visoka cijena jer jedan robot košta 6.000$ te kao takav nije široko dostupan u zdravstvenim ustanovama. Također, primjećeno je da neki pacijenti mogu osjećati da ih se tretira kao djecu i imaju nelagodu prilikom interakcije s PARO, posebno pred drugima.
