Jak wynika z badania przeprowadzonego przez Massachusetts General Hospital (MGH), model generatywnej sztucznej inteligencji (AI), który może analizować relacje narracyjne kobiet, które niedawno urodziły dziecko, wykazał zdolność do dokładnego wykrywania zespołu stresu pourazowego (CB-PTSD). odkrył członek-założyciel systemu opieki zdrowotnej Mass General Brigham.

Badając możliwości i wady kilku modeli OpenAI, w tym ChatGPT, badacze zidentyfikowali wersję, która oferuje bogaty wgląd w zdrowie psychiczne matki po traumatycznym porodzie.

Model można bezproblemowo wpasować w rutynową opiekę położniczą i potencjalnie można go wykorzystać do oceny innych zaburzeń zdrowia psychicznego. Wyniki badania opublikowano w Raporty naukowe.

Ocena zespołu stresu pourazowego związanego z traumatycznym porodem opiera się obecnie na szeroko zakrojonej ocenie lekarza, co nie zaspokaja pilnej potrzeby opracowania strategii szybkiej i taniej oceny”.

Doktor Sharon Dekel, dyrektor programu badań nad zaburzeniami stresu poporodowego MGH i główna autorka badania

„Wykorzystanie krótkich opowieści pacjentów o porodzie, przeanalizowanych za pomocą tekstowych metod obliczeniowych sztucznej inteligencji, może stać się skuteczną, niedrogą i przyjazną pacjentowi strategią wykrywania CB-PTSD po traumatycznym porodzie, a przy większej liczbie badań narzędzie to może potencjalnie pomóc w identyfikowanie kobiet narażonych na ryzyko CB-PTSD, zanim choroba w pełni się rozwinie.”

Szacuje się, że w przypadku około ośmiu milionów kobiet rocznie na całym świecie poród, który jest traumatyczny i/lub skomplikowany medycznie, wywoła zespół stresu pourazowego, stan historycznie kojarzony z walkami wojskowymi lub poważną napaścią na tle seksualnym.

W ostatnich latach poród uznano za istotny czynnik wyzwalający zespół stresu pourazowego (PTSD), który nieleczony może mieć niekorzystny wpływ na zdrowie matki i dziecka oraz skutkować znacznymi kosztami społecznymi.

We wcześniejszych badaniach laboratorium Dekel znalazło dowody na to, że krótkie interwencje psychologiczne przeprowadzone wkrótce po traumatycznym porodzie mogą zmniejszyć objawy zespołu stresu pourazowego (PTSD) związane z porodem u matki.

W swoim najnowszym badaniu Dekel we współpracy z pierwszym autorem, doktorem Alonem Bartalem z Uniwersytetu Bar-Ilan w Izraelu, zbadał skuteczność sztucznej inteligencji i powiązanych strategii analizy uczenia maszynowego (ML) w wykrywaniu CB-PTSD.

W szczególności ocenili działanie różnych dużych modeli językowych (LLM) i odmian ChatGPT oraz ich zdolność do wydobywania nowatorskich spostrzeżeń z tekstowych zbiorów danych pochodzących z krótkich narracyjnych opisów doświadczeń porodowych sporządzonych przez kobiety po porodzie.

W ramach swojej pracy zespół zebrał krótkie relacje narracyjne od 1295 kobiet, które niedawno rodziły.

Badanie skupiało się na modelu OpenAI znanym jako text-embeddings-ada-002, który konwertował dane narracyjne z kont osobistych kobiet z prawdopodobieństwem CB-PTSD lub bez niego na format liczbowy, który następnie był analizowany przez wytrenowany algorytm uczenia maszynowego opracowany przez drużyna.

Naukowcy wykazali, że model ten zapewnia lepszą skuteczność w identyfikowaniu stresu pourazowego poporodowego w porównaniu z innymi modelami ChatGPT i dużymi modelami językowymi, które zazwyczaj są szkolone na ogromnych ilościach danych, co pozwala im rozumieć, analizować i interpretować język naturalny.

„Zależność modelu ML wykorzystującego narrację o porodzie z modelu Open AI jako wyłącznego źródła danych stanowi skuteczny mechanizm gromadzenia danych we wrażliwym okresie poporodowym, wykazując 85% czułości i 75% swoistości w identyfikowaniu przypadków CB-PTSD.” zauważa Dekel.

„Co więcej, opracowany przez nas model mógłby potencjalnie poprawić dostępność badań przesiewowych i diagnostyki CB-PTSD, bezproblemowo wpasowując się w rutynową opiekę położniczą i zapewniając podstawę do rozwoju produktów komercyjnych i przyjęcia ich do głównego nurtu”.

Dekel, której program badawczy koncentruje się na badaniu zdrowia psychicznego kobiet po traumatycznym porodzie, podkreśla korzyści kliniczne wynikające ze stosowania wstępnie wytrenowanego modelu dużego języka do oceny potencjalnego zespołu stresu pourazowego (PTSD) u młodych matek.

„Wczesna interwencja jest niezbędna, aby zapobiec przekształceniu się choroby w stadia przewlekłe, które mogą poważnie skomplikować leczenie” – podkreśla badacz MGH.

„Nasze unikalne podejście mogłoby wprowadzić innowacyjną i opłacalną strategię badań przesiewowych w celu identyfikacji kobiet wysokiego ryzyka i ułatwienia wczesnego leczenia. Może również okazać się obiecujące w zakresie oceny innych zaburzeń zdrowia psychicznego, a w konsekwencji poprawy wyników leczenia pacjentów”.

Pojawienie się narzędzi sztucznej inteligencji w opiece zdrowotnej było przełomowe i może pozytywnie zmienić ciągłość opieki. Mass General Brigham, jako jeden z najlepiej zintegrowanych akademickich systemów opieki zdrowotnej w kraju i największe przedsiębiorstwa innowacyjne, przewodzi w prowadzeniu rygorystycznych badań nad nowymi i powstającymi technologiami, aby informować o odpowiedzialnym włączaniu sztucznej inteligencji do świadczenia opieki, wsparcia siły roboczej i procesów administracyjnych.

Dekel jest psychologiem w MGH i adiunktem psychologii w Harvard Medical School. Bartal jest adiunktem w dziedzinie systemów informatycznych na Uniwersytecie Bar-Ilan w Izraelu. Współautorami w Dekel Laboratory są dr Kathleen Jagodnik, badaczka z Harvardu i Sabrina Chan, koordynatorka badań klinicznych.

Dekel był wspierany ze środków NIH (Narodowy Instytut Zdrowia Dziecka i Rozwoju Człowieka im. Eunice Kennedy Shriver, granty R01HD108619, R21HD109546 i R21HD100817).