Sztuczna inteligencja może pomóc szybciej dopasować leki dla osób zmagających się z depresją – uważają psychiatrzy z Uniwersytetu Stanforda
Według danych Światowej Organizacji Zdrowia (WHO) na depresję choruje co dwudziesty człowiek, ale w ciągu całego swojego życia to doświadczenie dotknie aż co piątego. To dość ostrożne wyliczenia, a niektóre źródła podają liczby nawet dwukrotnie wyższe. WHO ostrzegała też, że już w tej dekadzie depresja stanie się drugą najczęstszą, po chorobach układu krążenia, chorobą trapiącą ludzkość. W Polsce na to schorzenie cierpią już prawie dwa miliony.
Przyznanie się do depresji jest wciąż dla wielu (szczególnie mężczyzn) czymś nie do pomyślenia. Łatwiej jest im porozmawiać z wirtualnym terapeutą, który w razie konieczności umówi z psychologiem. Sztuczna inteligencja już teraz pomaga w walce z depresją – dzięki czatbotom.
Dobra wiadomość jest taka, że depresję u większości chorych można wyleczyć farmakologicznie. Zła zaś – że leki nie zawsze działają. Skuteczność większości leków przeciwdepresyjnych jest porównywalna do placebo. To znaczy, że dany lek nie zadziała aż u połowy chorych. Nie wiadomo, dlaczego, ale obnaża to, jak ograniczona jest nasza wiedza o procesach biochemicznych mózgu i indywidualnych różnicach między poszczególnymi ludźmi.
Dla przykładu, jeden z najczęściej przepisywanych leków przeciwdepresyjnych, sertralina, działa zwykle na co trzecią osobę. Dla lekarzy to nie lada wyzwanie. Jeśli nie widać efektów działania leku po kilku tygodniach, zmienia się go na inny. Kolejny także nie musi na danego pacjenta działać, więc zdarza się, że poszukiwania skutecznego leku (lub ich kombinacji) wymagają kilku prób i błędów – co czasem trwa miesiącami.
Amit Etkin, psychiatra z kalifornijskiego Stanford University, wraz zespołem postanowili dociec, czy sztuczna inteligencja może przewidzieć, na kogo lek zadziała, na podstawie badania elektrycznej aktywności fal mózgowych (elektroencefalogramu, czyli EEG) rejestrowanej przez elektrody umieszczone na głowie. Zebrali ponad dwieście takich zapisów aktywności, następnie połowie pacjentów podawano sertralinę, a połowie placebo.
Głównym problemem psychiatrii jest to, że opisujemy schorzenia poprzez to, jakie powodują zachowania. Tak naprawdę nie wiemy, co się dzieje w mózgu, więc przepisujemy leki w oparciu o bardzo skąpe informacje” – Amit Etkin Stanford University
By ustalić, czy lek działa, przez osiem tygodni rejestrowano zmiany nastroju pacjentów za pomocą kwestionariusza. Potem zapisy EEG poddano analizie przez algorytmy uczenia maszynowego. Jak donoszą badacze w „Nature Biotechnology”, sztuczna inteligencja potrafiła w 76 proc. przypadków wyodrębnić charakterystyczne wzorce aktywności fal mózgowych odróżniające osoby, na które sertralina zadziałała od tych, u których nie wywołała efektów.
Jak podaje „New Scientist”, Etkin założył firmę, która zamierza rozwinąć tę technologię z nadzieją, że da to lekarzom narzędzie do podejmowania decyzji na podstawie obiektywnych testów. Bo póki co w psychiatrii decyzje odnośnie leków podejmowane są metodą prób i błędów. „Głównym problemem psychiatrii jest to, że opisujemy schorzenia poprzez to, jakie powodują zachowania. Tak naprawdę nie wiemy, co się dzieje w mózgu, więc przepisujemy leki w oparciu o bardzo skąpe informacje” – mówi Etkin.
W istocie to, co opisuje Etkin jest kluczowym problemem psychiatrii. W przeciwieństwie do innych działów medycyny cierpi na brak obiektywnych wskaźników, na podstawie których można postawić diagnozę. Pacjent psychiatry może tylko powiedzieć, co mu dolega. Co prawda badania obrazowe wskazują na związek depresji z zaburzeniami pracy pewnych ośrodków mózgu. Ale rezonans magnetyczny zwykle nie jest dostępny w gabinecie psychiatry. Na domiar złego jest to badanie drogie i dostępne dla mieszkańców dużych miast w krajach rozwiniętych.
Sztuczna inteligencja może ten deficyt w psychiatrii zmienić. Elektroencefalografia jest na tyle prostym badaniem, że można je wykonać w każdym gabinecie wyposażonym w odpowiednie urządzenie (które nie kosztuje milion, a tysiąc dolarów). Algorytmy opracowane zaś przez badaczy ze Stanforda można wykorzystać do przetwarzania danych z różnych typów urządzeń.
„Jeśli w ciągu następnych pięciu lat nie trafi do gabinetów lekarskich, będę zdziwiony” – komentuje Etkin na stronie internetowej Uniwersytetu Stanforda.