AI wykrywa ryzyko psychozy. Jak modele językowe wspierają psychiatrię

Duże modele językowe (LLM) potrafią analizować wywiady psychiatryczne i z wysoką skutecznością identyfikować osoby zagrożone rozwojem psychozy. Naukowcy z King’s College London i University of Oxford wykazali, że sztuczna inteligencja może wspierać specjalistów w diagnostyce zaburzeń psychicznych, skracając czas oceny pacjentów i ułatwiając dostęp do pomocy.

Badanie brytyjskich naukowców: jak AI analizuje wywiady psychiatryczne

Zespół z Institute of Psychiatry, Psychology & Neuroscience (IoPPN) w King’s College London oraz University of Oxford przeprowadził kompleksowe badanie możliwości 11 dużych modeli językowych. Naukowcy analizowali 678 transkrypcji wywiadów klinicznych pochodzących od 373 uczestników. Celem było sprawdzenie, czy modele AI potrafią prawidłowo identyfikować kluczowe informacje zawarte w wywiadach oraz klasyfikować pacjentów na poziomie porównywalnym z ocenami przygotowanymi przez doświadczonych badaczy.

Wyniki opublikowane w czasopiśmie npj Digital Medicine pokazały, że modele AI radziły sobie zaskakująco dobrze. Nie tylko prawidłowo identyfikowały najważniejsze informacje, ale także klasyfikowały pacjentów z porównywalnością do ocen przygotowanych przez specjalistów. Dodatkowym odkryciem było to, że mniejsze modele okazały się bardziej ekonomiczne, nie tracąc znacznie na skuteczności — informacja ważna dla przyszłych wdrożeń w placówkach o ograniczonych budżetach.

Dlaczego wczesne wykrycie ryzyka psychozy ma znaczenie dla pacjentów

Psychoza odpowiada za około 10% globalnego obciążenia chorobami psychicznymi wśród młodych ludzi. Pierwsze objawy najczęściej pojawiają się między 20. a 35. rokiem życia — okresem krytycznym dla rozwoju i funkcjonowania społecznego. Szybkie rozpoznanie zagrożenia pozwala wcześniej rozpocząć leczenie, ograniczyć liczbę hospitalizacji i znacznie poprawić rokowanie pacjentów.

Problem polega na tym, że obecny system diagnostyki ma poważne ograniczenia. Osoby wymagające specjalistycznej oceny często długo oczekują na wizytę u psychiatry. Według autorów badania niemal 9 na 10 pacjentów z wysokim ryzykiem psychozy nie zostaje zidentyfikowanych odpowiednio wcześnie, aby zapobiec rozwojowi choroby. Z drugiej strony część kierowanych na ocenę osób ostatecznie nie spełnia kryteriów wysokiego ryzyka, co dodatkowo obciąża już przeciążone specjalistyczne poradnie.

Co to oznacza dla pacjentów i systemu opieki zdrowotnej

Wdrożenie AI do wstępnej oceny ryzyka psychozy mogłoby rozwiązać ten problem na kilka sposobów. Po pierwsze, skrócić czas oczekiwania na diagnozę poprzez automatyczne przefiltrowanie pacjentów i wskazanie tych wymagających pilnej oceny specjalisty. Po drugie, zmniejszyć liczbę fałszywych alarmów poprzez bardziej precyzyjną analizę objawów. Po trzecie, zwiększyć dostępność diagnostyki w obszarach z niedoborem specjalistów, gdzie AI mogłaby wspierać pracowników opieki zdrowotnej o niższych kwalifikacjach.

Projekt ARIADNE: konwersacyjny system AI do oceny psychozy

Równocześnie z publikacją badania fundacja Wellcome przeznaczyła 2,4 mln funtów na rozwój projektu ARIADNE (ARtificial Intelligence-based Assessment to Detect iNdividuals with Emerging psychosis risk). To ambitne przedsięwzięcie ma na celu stworzenie konwersacyjnego systemu AI, który będzie naturalnie rozmawiać z pacjentami.

Nowe rozwiązanie będzie działać w następujący sposób: generatywna sztuczna inteligencja będzie prowadziła naturalną rozmowę z pacjentem, zadawała pytania dostosowane do odpowiedzi, analizowała udzielane odpowiedzi i przygotowywała zrozumiałe raporty przeznaczone dla pacjentów, lekarzy oraz naukowców. System będzie musiał być na tyle intuicyjny, aby pacjent czuł się komfortowo, a jednocześnie wystarczająco precyzyjny, aby dostarczyć wartościowe informacje klinicze.

Projekt obejmuje kilka kluczowych etapów: opracowanie technologii i infrastruktury, ocenę bezpieczeństwa oraz aspektów etycznych z udziałem pacjentów i młodych osób, badania nad skutecznością narzędzia w warunkach rzeczywistych, a także przygotowanie planu jego wdrożenia do praktyki klinicznej.

Jakie są ograniczenia i błędy modeli AI w psychiatrii

Choć modele językowe osiągnęły wysoką skuteczność w badaniach, badacze zwracają uwagę, że nie są pozbawione błędów. Najczęściej polegały one na nadmiernym interpretowaniu codziennych doświadczeń jako potencjalnych objawów psychopatologicznych. Oznacza to, że bez nadzoru klinicznego AI mogłaby generować zbyt wiele fałszywych alarmów, co mogłoby prowadzić do niepotrzebnych interwencji i zwiększonego lęku pacjentów.

Dlatego właśnie autorzy badania — w tym dr Dominic Oliver z Department of Psychiatry na University of Oxford — podkreślają, że sztuczna inteligencja nie ma zastępować specjalistów. Może natomiast wspierać ich w analizie czasochłonnych wywiadów oraz usprawniać proces kwalifikacji pacjentów do dalszej diagnostyki. Nadzór kliniczny musi pozostać w rękach wysoko wykwalifikowanych psychiatrów, którzy będą interpretować wyniki AI w kontekście całej historii pacjenta.

Równość w diagnostyce: czy AI działa jednakowo dla wszystkich

Ważnym odkryciem z badania jest to, że modele działały podobnie niezależnie od wieku, płci, pochodzenia etnicznego czy pierwszego języka uczestników. To wskazuje na niewielkie różnice demograficzne w działaniu AI — problem, który często dotyka tradycyjnych narzędzi diagnostycznych. Jeśli ta obserwacja utrzyma się w dalszych badaniach, mogłaby oznaczać, że AI ma potencjał do zmniejszenia nierówności w dostępie do diagnostyki zaburzeń psychicznych na całym świecie.

Praktyczne implikacje dla systemu opieki zdrowotnej

Wdrożenie AI do oceny ryzyka psychozy mogłoby przynieść konkretne korzyści dla systemu opieki zdrowotnej. Po pierwsze, zmniejszyłoby obciążenie psychiatrów poprzez automatyczną wstępną ocenę pacjentów. Po drugie, umożliwiłoby szybszą identyfikację osób wymagających pilnej pomocy. Po trzecie, mogłoby zwiększyć dostępność diagnostyki w regionach z niedoborem specjalistów. Po czwarte, mogłoby zmniejszyć liczbę pacjentów, którzy czekają miesiące na wizytę, tracąc cenny czas na wczesną interwencję.

Jednak wdrożenie takiego systemu wymaga nie tylko zaawansowanych technologii, ale także przemyślanego podejścia do etyki, bezpieczeństwa i integracji z istniejącymi procesami klinicznymi — dokładnie na tym skupia się projekt ARIADNE.