Jim Tørresen og Ulysse Côté-Allard

Jim Tørresen og Ulysse Côté-Allard forteller at algoritmen ikke går på bekostning av personvern. Foto: Gina Aakre 

Kunstig intelligens kan forutsi hvilke pasienter som vil avbryte nettbasert behandling

Algoritmen kan si hvilke pasienter med psykiske lidelser som er i faresonen for å droppe behandlingen de følger via nett.

Av Gina Aakre
Publisert 6. mars 2023

Algoritmen går ikke på bekostning av personvernet.

– Bare ved å se på når pasienten logger inn og ut på datamaskinen sin kan den kunstige intelligensen gi beskjed hvis pasienten mest sannsynlig kommer til å avbryte programmet, forklarer Ulysse Côté-Allard, forsker ved Institutt for informatikk ved Universitetet i Oslo.

Algoritmen kan gi en advarsel

Dette kan gi bedre oppfølging av pasienter fra psykologer og psykiatere. Behandlerne ser lettere hvilke pasienter som trenger tett oppfølging, eller en endring av behandlingsplanen.

– Vi ønsket å bruke så lite informasjon om pasientene som mulig. Dette er både for å bevare personvernet og også fordi den kunstige intelligensen vil være enklere å få tatt i bruk hvis den ikke er avhengig av mye sensitiv informasjon som må vurderes med tanke på GDPR, forklarer Côté-Allard.

Den eneste informasjonen forskerne har brukt for å trene opp den kunstige intelligensen er tidspunktet på dagen når pasienten kobler seg på det internett-baserte behandlingsprogrammet, og når de kobler fra.

 Vi trenger ikke å hente inn informasjon som alder, kjønn, hva pasienten skriver eller noen form for biometriske data som skrivemønster.

Ulysse Côté-Allard

Internett-behandling er mye brukt

Det nettbaserte behandlingsprogrammet forskerne har fått dataene fra heter eMeistring. Programmet gir veiledet behandling via internett for pasienter som lider av sosial angstlidelse, depresjon eller panikklidelse. Behandlingen er basert på kognitiv atferdsterapi. – Den grunnleggende ideen er at pasienten selv påvirker måten de føler seg og oppfører seg på ved å endre måten de ser og tenker på seg selv og verden.

– Ved å lære om diagnosen sin gjennom lesestoff kan pasientene lære ferdigheter som kan redusere symptomene. I tillegg får de ulike øvelser og fyller ut spørreskjemaer på eMeistring-plattformen, forklarer Côté-Allard, mens han legger til at behandlingen ikke er hans ekspertise.

Bildet kan inneholde: person, panne, hår, ansikt, hode.
Ulysse Côté-Allard, forsker ved Institutt for informatikk ved Universitetet i Oslo. Foto: Gina Aakre 

Programmet er veiledet av psykisk helsepersonell, men det er enklere og mye mer kostnadseffektivt enn å behandle ansikt-til-ansikt. Kostnaden er lavere for pasientene og for helsepersonell. Pasientene kan gjennomføre behandlingen når de har tid. Siden det er ventetid og begrenset tilgang på helsepersonell innen behandling av psykiske lidelser vil støtte av internett-behandling bidra til at flere får et tilbud. De vil også raskere kunne få hjelp som er viktig for utfallet av behandlingen.

– Det er selvfølgelig problemer med internettbaserte psykologiske behandlinger. En av dem er at mindre interaksjon med terapeuten gjør det utfordrende å forutsi pasientens respons og oppfølging av terapien. Det er her forskningen vår kommer inn og blir viktig. Vi tar sikte på å forutsi så tidlig som mulig om noen har sannsynlighet for å stoppe behandlingen slik at terapeuten kan gi tettere oppfølging. De kan også endre behandlingsplanen når de mener det er nødvendig. Med andre ord, den kunstige intelligensen kan fungere som en type sikkerhetsnett, sier Côté-Allard.

Systemet kan allerede brukes

Analytikerne har brukt informasjon fra 342 pasienter i eMeistring for å trene opp den kunstige intelligensen basert på et dypt nevralt nettverk. Etter syv dager begynner algoritmen å forutsi med en nøyaktighet på over 70 prosent. Og med en nøyaktighet på 95 prosent etter 20 dager, som er en tredjedel av den totale behandlingslengden, ifølge Côté-Allard.

– Å kun bruke påloggings- og utloggingstider fra deltakere, gjør det vanskelig å forutsi hvor godt pasientene vil følge opp behandlingen. Likevel tror vi at modellen allerede nå kan gi informasjon som er nyttig for klinikere. De kan identifisere pasienter som er mer utsatt for frafall og dermed har nytte av mer målrettet oppfølging. Modellen kan også forbedres ved å trene den på en større gruppe pasienter, forklarer Côté-Allard.

Forskningen har vært en del av Norges forskningsrådsfinansierte INTROMAT-prosjekt (2016-2021). Et tverrfaglig prosjekt som har utforsket bruk av teknologi i forbindelse med psykiske helsespørsmål. Forskningen har vært ledet av Tine Nordgreen, avdeling for psykiatri ved Haukeland universitetssykehus, i samarbeid med flere andre norske private og offentlige institusjoner.

Nordgreen  peker på at modellen kan støtte nett-terapeuten under behandling, spesielt når det gjelder skreddersydd terapeutstøtte.

– Klinisk forskning har ikke klart å finne demografiske eller kliniske variabler som kan forutsi behandlingsresultater.  Faktisk bruk, for eksempel pålogginger, er derfor en lovende tilnærming. Basert på modellen fra Ulysse og hans gruppe kan vi sette i gang et trafikklyssystem for terapeutene som de kan bruke for å skreddersy behandlingen.

Jim Tørresen, professor og leder for forskningsgruppen Robotikk og intelligente systemer (ROBIN) ved UiO, har ledet arbeidet med den kunstige intelligensen. Han mener resultatene kan bli viktig for terapeuter i fremtiden. 

Jim Tørresen er professor og leder for forskningsgruppen Robotikk og intelligente systemer (ROBIN) ved UiO. Foto: Gina Aakre 

– Når vi viser at det er mulig å forutsi tidlig hvor bra flertallet av pasienter vil følge opp et behandlingsprogram, kan det bidra til at behandlere tidligere tar bedre beslutninger om hvem som skal prioriteres for oppfølging. Det er også et potensial i de automatiserte systemene til å tilpasse seg hver enkelt pasient for en best mulig effekt av et behandlingsprogram.

Vitenskapelig artikkel:

Ulysse Côté-Allard m.fl: Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral Therapy: A Minimally Data-Sensitive Approach, IEEE Journal of Biomedical and Health Informatics, september 2022.

Emneord: Informatikk, Bærekraft, AI