AI igual a humanos em teste de saúde mental por mensagem de texto

Pesquisadores da UW Medicine descobriram que os algoritmos são tão bons quanto avaliadores humanos treinados para identificar a linguagem de bandeira vermelha em mensagens de texto de pessoas com doenças mentais graves. Isso abre uma promissora área de estudo que pode ajudar na formação em psiquiatria e na escassez de cuidados.

Os resultados foram publicados no final de setembro na revista Serviços Psiquiátricos.

As mensagens de texto fazem cada vez mais parte dos cuidados e avaliação de saúde mental, mas essas intervenções psiquiátricas remotas podem não ter os pontos de referência emocionais que os terapeutas usam para navegar em conversas pessoais com os pacientes.

A equipe de pesquisa, sediada no Departamento de Psiquiatria e Ciências do Comportamento, utilizou processamento de linguagem natural pela primeira vez para ajudar a detectar e identificar mensagens de texto que refletem “distorções cognitivas” que podem passar despercebidas por um médico mal treinado ou sobrecarregado. A pesquisa também pode eventualmente ajudar mais pacientes a encontrar atendimento.

“Quando nos encontramos com pessoas pessoalmente, temos todos esses contextos diferentes”, disse Justin Tauscher, principal autor do artigo e professor assistente interino da Escola de Medicina da Universidade de Washington. “Nós temos pistas visuaistemos pistas auditivas, coisas que não saem em um mensagem de texto. Essas são coisas nas quais somos treinados para nos apoiar. A esperança aqui é que a tecnologia possa fornecer uma ferramenta extra para os médicos expandirem as informações nas quais se apoiam para tomar decisões clínicas.”

O estudo examinou milhares de mensagens de texto únicas e não solicitadas entre 39 pessoas com doença mental grave e uma história de hospitalização e seus provedores de saúde mental. Avaliadores humanos classificaram os textos por várias distorções cognitivas, como normalmente fariam no ambiente de atendimento ao paciente. Os avaliadores procuram uma linguagem sutil ou aberta que sugira que o paciente está generalizando demais, catastrofizando ou tirando conclusões precipitadas, todas as quais podem ser pistas para problemas.

Os pesquisadores também programaram computadores para fazer a mesma tarefa de classificar textos e descobriram que humanos e IA classificaram de maneira semelhante na maioria das categorias estudadas.

“Ser capaz de ter sistemas que podem ajudar a apoiar a tomada de decisões clínicas, acho extremamente relevante e potencialmente impactante para aqueles que estão no campo que às vezes não têm acesso ao treinamento, às vezes não têm acesso à supervisão ou às vezes também estão cansados, sobrecarregados e queimados. e têm dificuldade em permanecer presentes em todas as interações que têm”, disse Tauscher, que veio para a pesquisa depois de uma década em um ambiente clínico.

Apoiar os médicos seria um benefício imediato, mas os pesquisadores também veem aplicações futuras que funcionam em paralelo a uma banda de fitness vestível ou sistema de monitoramento baseado em telefone. Dror Ben-Zeev, diretor do UW Behavioral Research in Technology and Engineering Center e co-autor do artigo, disse que a tecnologia poderia eventualmente fornecer feedback em tempo real que indicaria um terapeuta para problemas iminentes.

“Da mesma forma que você está obtendo um nível de oxigênio no sangue e um frequência cardíaca e outras informações”, disse Ben-Zeev, “podemos receber uma nota que indica que o paciente está tirando conclusões precipitadas e catastrofizando. Apenas a capacidade de chamar a atenção para um padrão de pensamento é algo que imaginamos no futuro. As pessoas terão esses loops de feedback com sua tecnologia, onde eles estão obtendo informações sobre si mesmos.”