Een pleidooi voor het inzetten van ’Machine learning’
Behandelplannen volgens de ’gouden standaard’ voor mensen met vroege psychose geven geen volledige kans op slagen. Dat suggereert dat behandelingen meer op maar gemaakt kunnen en moeten worden. Een recent artikel in Translational Psychiatry van onderzoekers van de Universiteit van Birmingham laat zien dat een ”one size fits all”-benadering misschien onvoldoende voldoet aan de behoeften van alle jonge mensen die een eerste psychose meemaken.
In plaats daarvan stellen de onderzoekers in het artikel dat machine learning-technieken kunnen worden gebruikt om behandelplannen op te stellen die specifiek gericht zijn op specifieke groepen of zelfs individuen. Dat zou kunnen leiden tot meer precisie bij het opstellen van behandelplannen en daarmee ook tot een hoger slagingspercentage van de behandeling.
Vroege interventie bij psychose ontstond in de jaren negentig en werd erkend als de beste kans op herstel voor jonge mensen met een eerste psychose. Beschikbare behandelingen omvatten momenteel antipsychotische medicatie, intensieve zorg en sociale en psychologische interventies. Ook in Nederland wordt met het model gewerkt.
Hoofdonderzoeker Lowri Griffiths: ”Het is algemeen bekend dat vroege interventie tot betere resultaten leidt, vooral onder jonge mensen. Maar ondanks de ’gouden standaardbehandeling’, profiteert een aanzienlijk aantal mensen niet van deze interventies. We moeten rekening houden met een reeks factoren, van psychologische, biologische en sociale omstandigheden, om de juiste behandelingen te vinden, voor de juiste mensen, op het juiste moment, om de kansen van een jongere te maximaliseren. Ook moeten we meer diverse en representatieve groepen zien te benaderen om ervoor te zorgen dat de zorg voor iedereen bereikbaar is.”
Volgens de onderzoekers zou een vorm van Kunstmatige Intelligentie kunnen dienen als een ”gids” voor klinische besluitvorming, waarbij met toenemende nauwkeurigheid de belangrijkste markeringen in patiëntgegevens worden geïdentificeerd, die het waarschijnlijke succes of falen van een bepaalde behandelstrategie zouden kunnen aangeven.
Het zou er ook aan bijdragen dat meer patiënten toegang zouden krijgen tot de behandelingen die voor hen het meeste voordeel opleveren, ongeacht de milieu- en sociale omstandigheden, die anders zouden kunnen leiden tot ongelijkheid in de gezondheidszorg. Co-auteur Paris Lalousis: ”De technologie die nodig is om behandelplannen voor individuele patiënten of groepen patiënten te bedenken, bestaat al. We zien dat ’machine learning’ of kunstmatige intelligentie al in gebruik is in een aantal klinische gebieden, zoals het voorspellen van reacties op de behandeling van kanker of het identificeren van personen die het risico lopen intensieve zorg nodig te hebben. Wat we nodig hebben, is een raamwerk waarmee we deze technologieën kunnen onderzoeken en testen, zodat we ze kunnen gebruiken om de resultaten voor patiënten met psychose te verbeteren.”
Voor het volledige (Engelstalige) artikel:
Siân Lowri Griffiths et al, Heterogeneity in treatment outcomes and incomplete recovery in first episode psychosis: does one size fit all?
Lees hier andere artikelen over eerste psychose
Lees hier andere artikelen over kunstmatige intelligentie in de ggz
-----------------------------------------------------------------------------------------
Vind je dit interessant? Misschien is een abonnement op de gratis nieuwsbrief dan iets voor jou! GGZ Totaal verschijnt tweemaal per maand en behandelt onderwerpen over alles wat met de ggz te maken heeft, onafhankelijk en niet vooringenomen.
Abonneren kan direct via het inschrijfformulier, opgeven van je mailadres is voldoende. Of kijk eerst naar de artikelen in de vorige magazines.
