Gli scienziati stanno sfruttando il potere dell’intelligenza artificiale (AI) per la diagnosi precoce di disturbi della salute mentale come la depressione e la schizofrenia.
A differenza, ad esempio, della malattia renale, che è relativamente facile da diagnosticare, condizioni come l’ansia o la depressione non hanno biomarcatori specifici che possono essere rilevati con un semplice test.
I pazienti con lo stesso disturbo mentale possono presentare molti sintomi diversi, il che può rendere difficile per i medici diagnosticarli in modo precoce e accurato.
Gli scienziati della Nanyang Technological University di Singapore stanno sviluppando un toolkit diagnostico basato sull’intelligenza artificiale che potrebbe aiutare a risolvere il problema.
La capacità dell’IA di elaborare in modo efficiente set di dati di grandi dimensioni li aiuta a individuare i segni di varie condizioni di salute mentale e a determinare se la disabilità mentale di un paziente diventerà più grave.
La dott.ssa Iva Bojic, informatica e ricercatrice chiave nel progetto, ha dichiarato a Euronews Next che i disturbi della salute mentale “possono essere visibili in modi molto fisici” e i dispositivi indossabili li stanno aiutando a captare quei segnali.
“Abbiamo raccolto diverse variabili, diversi segnali dalle variabili, qualcosa che chiamiamo biomarcatori digitali”, ha affermato Bojic.
Monitoraggio della frequenza cardiaca e dei modelli di sonno
Alcuni dei biomarcatori includono la frequenza cardiaca, i modelli di sonno e il dispendio energetico, le calorie spese e il numero di passi; “poi abbiamo correlato quei biomarcatori con i sintomi che abbiamo visto e, dopo un po’, il modello ha potuto imparare”, ha detto.
Ad esempio, uno dei segnali che gli scienziati hanno raccolto nel loro studio è che la frequenza cardiaca delle persone affette da depressione di solito accelera durante le ore notturne, in particolare tra le 2 e le 4 del mattino.
I biomarcatori vengono quindi integrati con un questionario per effettuare una valutazione finale e determinare quali utenti nel campione stanno effettivamente lottando con la depressione.
Infine, gli utenti sono classificati in due gruppi, “zero per quelli che non sono depressi e uno, diciamo, per quelli che sono depressi. E poi stiamo sviluppando modelli di apprendimento automatico”, ha spiegato Bojic.
Il modello di apprendimento automatico è in grado di fare previsioni per i nuovi utenti in base ai loro biomarcatori, correlando le conoscenze e le etichette apprese dai biomarcatori precedentemente analizzati e determinando un nuovo risultato: zero o uno: sano o malsano.
Ma ovviamente “nulla è a prova di proiettile”, ha detto Bojic.
Il modo in cui il modello prevede non è realmente binario, spiega. Il software fornisce una percentuale da zero a 100, “quindi si tratta fondamentalmente di dove mettiamo la soglia. Quindi hai intenzione di dire che la depressione inizia sopra 50, o dobbiamo dire che inizia intorno all’80%?”
Qual è il margine di errore del modello AI?
Il margine di errore dipende dal livello di dettaglio nella struttura dei dati, da quanto sono puliti e granulari i dati e da quante ore al giorno l’utente ha utilizzato il fitness tracker.
Bojic ha stimato che la precisione dello strumento è di circa l’80%. “Poi a volte, se sei davvero molto rigido sulla qualità dei dati, possiamo effettivamente arrivare fino al 100 percento”.
“Ma ci possono essere molte limitazioni”, ha aggiunto – e, cosa interessante, l’errore spesso viene dal lato umano.
Bojic ha spiegato che il questionario spesso pone un problema perché, a seconda di come il valutatore pone la domanda, può ottenere una risposta diversa.
Strumento di screening dell’IA “non perfetto”
Succede anche che gli utenti non siano sinceri, a causa dello stigma sulla salute mentale, e talvolta, semplicemente, non sono consapevoli della loro condizione.
Ma nonostante le sfide, “c’è una correlazione significativa tra i sintomi fisici e la conoscenza che estraiamo. Quindi c’è sicuramente del potenziale da esplorare”, ha detto.
“Quello che stiamo facendo è più uno strumento di screening per le persone… e poi, si spera, possano entrare nel processo di cura, dove la loro condizione può essere adeguatamente gestita”.
“Questo strumento non è perfetto”, ha aggiunto. “Quindi, non si tratta di eliminare la necessità di un aiuto psichiatrico professionale, si tratta di quanto sarà utile aiutare le persone, aiutare i professionisti a individuare persone che altrimenti non avrebbero raggiunto”.
Per non parlare di aiutare i professionisti ad aiutare i pazienti il prima possibile. La ricerca mostra che la diagnosi precoce di condizioni come la depressione e la schizofrenia è fondamentale per poter prevenire l’escalation dei disturbi.
Bojic ha affermato che uno dei punti di forza dello studio del suo team, pubblicato su JMIR mHealth e uHealth, è che ha esaminato la popolazione generale, invece di concentrarsi su persone a cui era già stata diagnosticata clinicamente.
Che ne sarebbe di questi dati?
Come procedere dopo che qualcuno è stato identificato con una rischiosa probabilità di malattia è ancora un dettaglio importante su cui stanno lavorando i ricercatori.
“Da un punto di vista clinico, come potrebbero effettivamente avvicinarsi a una persona? È un buon modo per dire direttamente, sai, ‘sei depresso’? In che modo è efficace?” ha detto Bojic.
“D’altra parte, se il sistema ha un errore e a qualcuno che non è depresso viene detto che lo è, in che modo ciò influenzerà quella persona?”
Poi ci sono spinose questioni di etica e privacy.
I governi, le agenzie o gli ospedali dovrebbero avere accesso a queste informazioni? E come potrebbero sfruttarlo per promuovere una buona salute mentale?
“Ci sono molti punti di vista da cui affrontarlo, molte considerazioni, di sicuro etiche e problemi di privacy. Tutto ciò deve essere preso in considerazione prima di utilizzare effettivamente queste informazioni in premesse diverse”, ha affermato Bojic.
Una volta affrontate queste preoccupazioni, crede che l’IA potrebbe mostrare grandi promesse nel campo della salute mentale.
“Penso davvero che possiamo aiutare le persone con le conoscenze e gli algoritmi che abbiamo sviluppato”, ha detto.
“Non si tratta solo di inseguire dei numeri”.
Per ora, il team si sta concentrando sull’individuazione della depressione, ma spera di estenderla ad altre condizioni come demenza, solitudine e schizofrenia.
Image:Getty Images
