L'apprentissage automatique / IA peut identifier les personnes qui ont besoin de soins spécialisés pour la dépression
Les chercheurs ont créé des modèles de décision pour prédire quels patients pourraient avoir besoin de plus de traitement pour leur dépression que ce que leur fournisseur de soins primaires peut offrir. Les scientifiques affirment que les algorithmes sont spécifiquement conçus pour fournir des informations sur lesquelles le clinicien peut agir et s'intégrer dans les flux de travail cliniques existants.
Les experts notent que la dépression est la maladie mentale la plus fréquente dans le monde. L'Organisation mondiale de la santé estime qu'elle affecte environ 350 millions de personnes. La maladie peut varier en intensité allant d'un trouble de l'humeur relativement léger à une dépression avancée ou grave.
Certaines personnes peuvent être capables de gérer leur dépression par elles-mêmes ou avec les conseils d'un fournisseur de soins primaires. Cependant, d'autres peuvent avoir une dépression plus grave qui nécessite des soins avancés de la part des fournisseurs de soins de santé mentale.
Les scientifiques du Regenstrief Institute et de l'Université de l'Indiana ont créé des algorithmes pour extraire le dossier de santé électronique et identifier les personnes qui bénéficieraient de soins avancés. Le système d'information fournit alors aux fournisseurs de soins primaires un avis afin qu'ils puissent orienter la personne vers les spécialistes en santé mentale appropriés.
«Notre objectif était de créer des modèles reproductibles qui s'intègrent dans les flux de travail cliniques», a déclaré Suranga N. Kasthurirathne, Ph.D., premier auteur de l'article et chercheur au Regenstrief Institute.
«Cet algorithme est unique car il fournit des informations exploitables aux cliniciens, les aidant à identifier les patients susceptibles d'être plus à risque d'événements indésirables dus à la dépression.»
Les algorithmes combinaient une grande variété d'informations comportementales et cliniques de l'Indiana Network for Patient Care, un échange d'informations sur la santé à l'échelle de l'État. Le Dr Kasthurirathne et son équipe ont développé des algorithmes pour l'ensemble de la population de patients, ainsi que pour plusieurs groupes à haut risque.
«En créant des modèles pour différentes populations de patients, nous offrons aux dirigeants du système de santé la possibilité de sélectionner la meilleure approche de dépistage pour leurs besoins», a déclaré Kasthurirathne.
«Peut-être qu’ils n’ont pas les ressources informatiques ou humaines nécessaires pour exécuter des modèles sur chaque patient. Cela leur donne la possibilité de sélectionner des patients à haut risque. »
«Les médecins de soins primaires ont souvent peu de temps et l'identification des patients souffrant de formes plus graves de dépression peut être difficile et prendre du temps. Notre modèle les aide à aider leurs patients plus efficacement et à améliorer simultanément la qualité des soins », a déclaré Shaun Grannis, M.D., M.S., co-auteur.
«Notre approche est également bien adaptée pour tirer parti de l'adoption et de l'interopérabilité croissantes des technologies de l'information sur la santé pour permettre des soins préventifs et améliorer l'accès à des services de santé globaux», a déclaré Grannis.
L'étude apparaît dans le Journal de recherche médicale sur Internet.
Source: Institut Regenstrief / EurekAlert
