Pembelajaran mesin dapat membantu diagnosis kesehatan mental – ScienceDaily

Pembelajaran mesin dapat membantu diagnosis kesehatan mental – ScienceDaily


Sebuah cara menggunakan pembelajaran mesin untuk mengidentifikasi pasien secara lebih akurat dengan campuran gejala psikotik dan depresi telah dikembangkan oleh para peneliti di University of Birmingham.

Penderita depresi atau psikosis jarang mengalami gejala murni satu atau penyakit lainnya. Secara historis, ini berarti bahwa dokter kesehatan mental memberikan diagnosis penyakit ‘primer’, tetapi dengan gejala sekunder. Membuat diagnosis yang akurat merupakan tantangan besar bagi dokter dan diagnosis seringkali tidak secara akurat mencerminkan kompleksitas pengalaman individu atau bahkan neurobiologi.

Dokter yang mendiagnosis psikosis, misalnya, sering menganggap depresi sebagai penyakit sekunder, dengan implikasi untuk keputusan pengobatan yang lebih berfokus pada gejala psikosis (misalnya halusinasi atau delusi).

Sebuah tim di Institut Kesehatan Mental Universitas Birmingham dan Pusat Kesehatan Otak Manusia, bekerja dengan para peneliti dari konsorsium PRONIA ingin mengeksplorasi kemungkinan menggunakan pembelajaran mesin untuk membuat model yang sangat akurat dari bentuk ‘murni’ dari kedua penyakit dan untuk digunakan. ini untuk menyelidiki keakuratan diagnostik dari kohort pasien dengan gejala campuran. Hasilnya dipublikasikan di Buletin Skizofrenia.

“Mayoritas pasien memiliki komorbiditas, jadi penderita psikosis juga memiliki gejala depresi dan sebaliknya,” jelas penulis utama Paris Alexandros Lalousis. “Hal itu menghadirkan tantangan besar bagi para dokter dalam hal mendiagnosis dan kemudian memberikan perawatan yang dirancang untuk pasien tanpa penyakit penyerta. Bukan karena pasien salah didiagnosis, tetapi kategori diagnostik saat ini yang kami miliki tidak secara akurat mencerminkan realitas klinis dan neurobiologis. “

Para peneliti memeriksa tanggapan kuesioner, wawancara klinis rinci dan data dari pencitraan resonansi magnetik struktural dari kohort dari 300 pasien yang mengambil bagian dalam studi PRONIA, sebuah studi kohort yang didanai Uni Eropa yang berlangsung di tujuh pusat penelitian Eropa.

Dalam kohort ini, para peneliti mengidentifikasi subkelompok kecil pasien yang dapat diklasifikasikan sebagai menderita psikosis tanpa gejala depresi, atau dari depresi tanpa gejala psikotik.

Dengan menggunakan data ini, tim mengidentifikasi model pembelajaran mesin dari depresi ‘murni’, dan psikosis ‘murni’. Kemudian, mereka dapat menggunakan metode pembelajaran mesin untuk menerapkan model ini pada pasien dengan gejala kedua penyakit tersebut. Tujuannya adalah untuk membangun profil penyakit yang sangat akurat untuk setiap pasien dan mengujinya terhadap diagnosis mereka untuk melihat seberapa akuratnya.

Tim menemukan bahwa, sementara pasien dengan depresi sebagai penyakit primer lebih mungkin untuk didiagnosis secara akurat, pasien dengan psikosis dengan depresi memiliki gejala yang paling sering mengarah ke dimensi depresi. Ini mungkin menunjukkan bahwa depresi berperan lebih besar dalam penyakit daripada yang diperkirakan sebelumnya.

Mr Lalousis menambahkan: “Ada kebutuhan mendesak untuk perawatan yang lebih baik untuk psikosis dan depresi, kondisi yang merupakan tantangan kesehatan mental utama di seluruh dunia. Studi kami menyoroti perlunya dokter untuk lebih memahami neurobiologi kompleks dari kondisi ini, dan peran ‘ gejala penyerta ‘; khususnya mempertimbangkan dengan cermat peran yang dimainkan depresi dalam penyakit. “

“Dalam studi ini kami telah menunjukkan bagaimana menggunakan algoritma pembelajaran mesin canggih yang memperhitungkan faktor klinis, neurokognitif, dan neurobiologis dapat membantu pemahaman kita tentang kompleksitas penyakit mental. Di masa depan, kami pikir pembelajaran mesin dapat menjadi alat penting untuk akurasi diagnosis. Kami memiliki peluang nyata untuk mengembangkan metode diagnostik berdasarkan data – ini adalah area di mana kesehatan mental sejalan dengan kesehatan fisik dan sangat penting bagi kami untuk menjaga momentum itu. “

Sumber Cerita:

Materi disediakan oleh Universitas Birmingham. Catatan: Konten dapat diedit gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel

Author Image
adminProzen