«تابناک با تو» - هوش مصنوعی (AI) آماده است تا شیوه تشخیص و درمان بیماری‌ها را متحول کند. این اکر می‌تواند به ویژه برای افسردگی مفید باشد، زیرا می‌تواند تشخیص‌های دقیق‌تری داشته باشد و تعیین کند که کدام درمان‌ها بیشتر مؤثر هستند.
حدود ۲۰ درصد از ما حداقل یک بار در طول زندگی خود دچار افسردگی می‌شویم. در سراسر جهان، ۳۰۰ میلیون نفر در حال حاضر افسردگی را تجربه می‌کنند. به همین دلیل، افسردگی توسط سازمان بهداشت جهانی به عنوان بزرگترین عامل بیماری در سراسر جهان توصیف شده است.
علیرغم فراوانی میزان افسردگی، تشخیص افسردگی دشوار است. در واقع آنقدر سخت است که پزشکان عمومی در کمتر از نیمی از موارد افسردگی را به دقت تشخیص می‌دهند.
این به این دلیل است که هیچ آزمایش واحدی برای افسردگی وجود ندارد: پزشکان برای تشخیص از علائم، پرسشنامه‌ها و مشاهدات بالینی استفاده می‌کنند. اما علائم افسردگی برای همه یکسان نیست.
برخی افراد ممکن است بیشتر بخوابند، برخی دیگر کمتر بخوابند. برخی از افراد فاقد انرژی و علاقه به فعالیت هستند، در حالی که برخی دیگر ممکن است احساس غمگینی یا تحریک‌پذیری داشته باشند.
برای کسانی که به طور دقیق مبتلا به افسردگی تشخیص داده شده‌اند، طیف وسیعی از گزینه‌های درمانی از جمله گفتگو درمانی، دارو‌ها و تغییر سبک زندگی وجود دارد. با این حال، پاسخ به درمان برای هر فرد متفاوت است، و ما هیچ راهی نداریم که از قبل بدانیم کدام درمان مؤثر است و کدام نه.
هوش مصنوعی کامپیوتر‌ها را آموزش می‌دهد تا مانند انسان‌ها فکر کنند و این کار با تمرکز ویژه بر روی سه رفتار شبیه انسان یعنی یادگیری، استدلال و اصلاح خود صورت می‌گیرد.
یکی از شاخه‌های هوش مصنوعی، یادگیری ماشینی است که هدف آن آموزش رایانه‌ها برای یادگیری، یافتن الگو‌ها در داده‌ها و پیش‌بینی‌های مبتنی بر داده‌ها بدون راهنمایی از سوی انسان است.
در سال‌های اخیر تحقیقات در مورد استفاده از هوش مصنوعی برای بیماری‌هایی مانند افسردگی که تشخیص و درمان آن دشوار است، افزایش یافته است.
دانشمندان تشخیص‌ها و توصیه‌های پزشکی ChatGPT را با پزشکان واقعی با نتایج شگفت‌انگیز مقایسه کرده‌اند. هنگامی که اطلاعاتی در مورد بیماران خیالی با شدت افسردگی، جنس و وضعیت اجتماعی-اقتصادی متفاوت داده شد، ChatGPT بیشتر صحبت درمانی را توصیه می‌کرد. در مقابل، پزشکان دارو‌های ضد افسردگی را توصیه کردند.
دستورالعمل‌های ایالات متحده، بریتانیا و استرالیا، گفتگو درمانی را به عنوان اولین گزینه درمانی قبل از دارو توصیه می‌کنند.
این نشان می‌دهد که ChatGPT ممکن است بیشتر از دستورالعمل‌های بالینی پیروی کند، در حالی که پزشکان عمومی ممکن است تمایل به تجویز بیش از حد دارو‌های ضد افسردگی داشته باشند.
ChatGPT همچنین کمتر تحت تأثیر سوگیری‌های جنسی و اقتصادی-اجتماعی قرار می‌گیرد، در حالی که پزشکان از نظر آماری احتمال بیشتری برای تجویز دارو‌های ضد افسردگی برای مردان، به ویژه افرادی که در مشاغل بدنی «هستند، دارند.
افسردگی بخش‌های خاصی از مغز را تحت تأثیر قرار می‌دهد. تحقیقات نشان داده که مناطقی از مغز که تحت تأثیر افسردگی قرار گرفته‌اند در افراد مختلف بسیار شبیه به هم هستند. بنابراین، تنها با نگاه کردن به این ساختار‌های مغز در اسکن MRI، می‌توانیم با دقت بیش از ۸۰ درصد پیش‌بینی کنیم که آیا فردی افسردگی دارد یا خیر.
تحقیقات دیگری با استفاده از مدل‌های پیشرفته هوش مصنوعی از این یافته حمایت کرده است، و نشان می‌دهد که ساختار مغز ممکن است یک راه مفید برای تشخیص مبتنی بر هوش مصنوعی باشد.
مطالعات با استفاده از داده‌های تصویربرداری تشدید مغناطیسی (MRI) بر روی عملکرد مغز در حالت استراحت نیز می‌تواند افسردگی را در بیش از ۸۰ درصد موارد به درستی پیش‌بینی کند.
با این حال، ترکیب اطلاعات عملکردی و ساختاری از MRI بهترین دقت را به دست می‌دهد و افسردگی را در بیش از ۹۳ درصد موارد به درستی پیش‌بینی می‌کند. این نشان می‌دهد که استفاده از تکنیک‌های تصویربرداری مغزی متعدد برای هوش مصنوعی برای تشخیص افسردگی ممکن است مفیدترین راه پیش رو باشد.
ابزار‌های هوش مصنوعی مبتنی بر MRI در حال حاضر فقط برای اهداف تحقیقاتی استفاده می‌شوند. اما از آنجایی که اسکن‌های MRI ارزان‌تر، سریع‌تر و قابل حمل‌تر می‌شوند، احتمالاً این نوع فناوری به زودی بخشی معمول‌تر خواهند شد و به پزشکان در بهبود تشخیص و افزایش مراقبت از بیمار کمک می‌کند.
در حالی که کاربرد‌های هوش مصنوعی مبتنی بر MRIامیدوارکننده هستند، روش ساده‌تر و آسان‌تری برای تشخیص افسردگی ممکن است به معنای واقعی کلمه در دسترس باشد.
ساعت‌های هوشمند برای تشخیص و پیش‌بینی افسردگی در حال بررسی هستند. ساعت‌های هوشمند بسیار مفید هستند، زیرا می‌توانند طیف گسترده‌ای از داده‌ها از جمله ضربان قلب، تعداد قدم‌ها، میزان متابولیسم، داده‌های خواب و تعامل اجتماعی را جمع‌آوری کنند.
بررسی اخیر تمام مطالعاتی که تاکنون در مورد استفاده از ابزار‌های پوشیدنی برای ارزیابی افسردگی انجام شده است، نشان می‌دهد که افسردگی در ۷۰ تا ۸۹ درصد موارد به درستی پیش‌بینی شده است. از آنجایی که ابزار‌های هوشمند پوشیدنی معمولاً به صورت شبانه روزی استفاده می‌شوند، این تحقیق نشان می‌دهد که دستگاه‌های پوشیدنی می‌توانند داده‌های منحصر به فردی را ارائه دهند که در غیر این صورت جمع‌آوری آن‌ها دشوار است.
با این حال، معایبی وجود دارد، از جمله هزینه قابل توجه دستگاه‌های هوشمند که ممکن است برای بسیاری غیرقابل دسترسی باشد. موارد دیگر عبارتند از توانایی مشکوک دستگاه‌های هوشمند برای تشخیص داده‌های بیولوژیکی در افراد رنگین پوست و عدم تنوع در جمعیت‌های مورد مطالعه.
محققان همچنین برای تشخیص افسردگی به رسانه‌های اجتماعی روی آورده‌اند. دانشمندان با استفاده از هوش مصنوعی، وجود و شدت افسردگی را با بررسی پست‌ها و عضویت‌های ما در شبکه‌های اجتماعی پیش‌بینی کرده‌اند.
کلمات خاصی افسردگی را با نرخ موفقیت ۹۰ درصد در هر دو زبان انگلیسی و عربی پیش‌بینی می‌کند.
پیش‌بینی پاسخ به درمان
چندین مطالعه نشان داده‌اند که پاسخ درمانی ضد افسردگی را می‌توان با دقت بیش از ۷۰ درصد تنها از طریق پرونده الکترونیک سلامت پیش‌بینی کرد. این امر می‌تواند در هنگام تجویز درمان‌های مبتنی بر دارو، شواهد دقیق‌تری به پزشکان ارائه دهد.
دانشمندان با ترکیب داده‌های افراد در آزمایش‌های دارو‌های ضد افسردگی، پیش‌بینی کرده‌اند که آیا مصرف دارو‌ها به بهبود بیماران خاص کمک می‌کند یا خیر.
هوش مصنوعی در تشخیص و مدیریت افسردگی نوید قابل توجهی را نشان می‌دهد، با این حال یافته‌های اخیر نیاز به تأیید دارد. تا آن زمان، اسکن MRI، ابزار‌های پوشیدنی و رسانه‌های اجتماعی ممکن است برای کمک به پزشکان در تشخیص و درمان افسردگی مفید باشند.
منبع: یک پزشک
