人工智能(AI)和心理保健

《焦虑症一直好不了我来帮你找到痊愈的方向吧》 《惊恐障碍总复发看看我是如何自愈的》

                                               

大众心理健康网(www.dzxl120.com)
本文链接：https://www.dzxl120.com/post/32775.html

                       

这篇文章简要概述了人工智能的重要进展，这些进展将很快影响日常临床环境中实施心理保健的方式.结果将是更个性化的治疗，结合传统和循证的补充医学和替代医学(CAM)方式，对许多常见的心理健康进行更有效的和更具成本效益的治疗问题，并改善结果.

人工智能对改善精神卫生保健的承诺

人工智能在精神卫生保健方面具有广阔的前景(Dilsizian 2014)，因为它将使从业者能够:

• 从患者医疗信息的超大型数据集中快速提取有用的信息，这些信息以前很难且耗时.
• 迅速访问可靠的资源，其中包含有关各种西方医学和CAM模式的最新信息.
• 使用先进的AI工具指导您确定解决许多常见精神健康问题并预测治疗结果的最佳治疗方案.

要在医学和精神保健方面有实际的临床应用，人工智能系统必须包括能够处理大量结构化数据的机器学习软件，以及能够挖掘非结构化数据(例如叙述性内容)的自然语言处理(NLP)软件电子病历和医学影像数据中的文本.为了帮助医疗保健提供者进行临床决策，必须对AI系统进行“培训"，使其达到特定医学知识领域内所需的专业水平.培训结束后，至关重要的是要保持相关医学数据的最新状态.为了成功实现这一点，付款人和提供者之间广泛的数据共享至关重要. IBM的Watson AI系统是包含机器学习和NLP功能的系统的示例，并且已经在癌症研究领域得到了广泛使用(Lohr，2016年).

结合了神经网络算法的

AI程序正被用来表征正在治疗的症状，不同的治疗方式以及临床结果测量之间的复杂非线性关系，而这些复杂的非线性关系难以使用传统的软件工具来确定.深度学习是基于神经网络的算法的最新分支，能够研究数据中复杂的非线性关系，而使用较不先进的软件则很难或不可能表征这些关系.近年来，深度学习算法已被用来识别功能性脑成像研究数据中以前无法分析的复杂非线性关系(Vieiraa等人2017).

“大数据"可以分析非常大量的复杂医学数据

“大数据"是指非常大的复杂数据集，而现有数据处理方法无法提供有用的分析.大数据分析方法的进步将很快使文献研究自动化，从而产生关于各种补充和替代医学(CAM)方式的高质量信息.获得对医学和精神卫生保健中的决策有用的大数据不是一个简单的问题，因为付款人和提供者在同一位患者身上拥有不同类型的机密数据，通常以不同的方式进行编码.在大数据中，通常需要在微观级别的准确性与对宏观级别的治疗益处的见解之间进行权衡.通过组合多个领域的大数据集(例如临床研究数据，质量改进数据，电子健康记录和行政声明数据)并使用多变量分析来确定更可能对不同环境中的不同治疗做出反应的患者亚组，可以解决此问题(马修斯，2014年).

超级学习:用于预测精神卫生保健治疗效果的AI系统

正在开发一种名为 Super learning 的AI程序，以帮助临床医生预测药物滥用障碍的治疗结果(Acion等，2017).该程序比较从各种预测算法(例如深度学习神经网络和逻辑回归)生成的数据.使用 Super learning 分析的100,000名接受药物滥用治疗的患者的数据库得出的结果预测优于除传统非AI算法之外的所有算法.可以使用相同的软件来预测针对不同传统疗法和CAM疗法的精神疾病的预后.然后可以将结果用于不断修改治疗方案以优化结果.

自然语言处理和动态仿真建模

访问医生笔记中的相关临床数据需要使用自然语言处理软件，并且需要克服机密性的障碍.自然语言处理软件正用于提取已出版的生物医学文献，电子健康记录和基于网络的医疗资源中包含的大量文本数据集中的关键概念和关系(Doan，2014年).使用自然语言处理的研究分析了数百万患者的非结构化数据，将关键信息转换为结构化内容，从而改善了对治疗反应以及潜在有害药物副作用的监测(Le Pendu 2013).

动态模拟建模(DSM)是一种用于设计和开发数学表示的方法，该方法可在患者有限或无可用数据时，根据患者的喜好和结果，模拟和预测随时间变化对干预的响应. DSM已被成功地用于评估在实施医疗干预措施之前()的有效性差异(Marshall，2015年).大数据和DSM具有互惠的协同关系. DSM将允许将大数据的广泛应用应用于大型医疗保健系统中的决策.同样，大数据将提供最新的研究结果，以确保模型基于最新发现来模拟结果.

展望未来

在未来几年中，人工智能(AI)的进步将产生实用的临床工具，精神卫生服务提供者将使用这些工具来规划个性化治疗，并结合广泛的常规治疗以及基于证据的补充和替代医学(CAM)方式.结果将对常见的精神疾病(例如重度抑郁症，ADHD，PTSD，双相情感障碍，焦虑症，精神分裂症，阿尔茨海默氏病)进行更有效和更具成本效益的管理， 和别的.