AI सामान्यीकृत चिंता विकार के लिए चिकित्सकों को उपचार को निजीकृत करने में मदद कर सकता है

शोधकर्ताओं ने 80 से अधिक बेसलाइन कारकों का विश्लेषण करने के लिए मशीन लर्निंग नामक एआई के एक रूप का उपयोग किया – मनोवैज्ञानिक और समाजशास्त्रीय से लेकर स्वास्थ्य और जीवन शैली चर तक – 126 अनाम व्यक्तियों के लिए जीएडी के साथ निदान किया गया। यह डेटा यूएस नेशनल इंस्टीट्यूट ऑफ हेल्थ के अनुदैर्ध्य अध्ययन से आया था जिसे संयुक्त राज्य अमेरिका में मिडलाइफ़ कहा जाता है, जो 25 से 74 वर्ष की आयु के महाद्वीपीय अमेरिकी निवासियों से स्वास्थ्य डेटा का नमूना देता है, जिन्हें पहली बार 1995-96 में साक्षात्कार दिया गया था। मशीन लर्निंग मॉडल ने 11 चर की पहचान की, जो नौ साल की अवधि के अंत में 72% सटीकता के साथ, रिकवरी और गैर-लाभ की भविष्यवाणी करने के लिए सबसे महत्वपूर्ण दिखाई देते हैं। शोधकर्ताओं ने मार्च के अंक में अपने निष्कर्ष प्रकाशित किए चिंता विकारों की पत्रिका।

पेन स्टेट में लीड स्टडी लेखक और डॉक्टरेट उम्मीदवार कैंडिस बास्टरफील्ड ने कहा, “पूर्व शोध ने जीएडी में बहुत अधिक रिलेप्स दर दिखाई है, और लंबे समय तक परिणामों की भविष्यवाणी करने में चिकित्सक के फैसले में सीमित सटीकता भी है।” “इस शोध से पता चलता है कि मशीन लर्निंग मॉडल यह भविष्यवाणी करने में अच्छी सटीकता, संवेदनशीलता और विशिष्टता दिखाते हैं कि जीएडी से कौन उबरेगा और ठीक नहीं होगा। वसूली के ये भविष्यवक्ता लंबे समय तक वसूली के लिए साक्ष्य-आधारित, व्यक्तिगत उपचार बनाने में मदद करने के लिए वास्तव में महत्वपूर्ण हो सकते हैं।”

शोधकर्ताओं ने दो मशीन लर्निंग मॉडल के माध्यम से बेसलाइन चर को चलाया: एक रैखिक प्रतिगमन मॉडल जो लगभग सीधी रेखा के साथ दो चर और प्लॉट्स डेटा बिंदुओं के बीच संबंधों की जांच करता है, और एक नॉनलाइनर मॉडल जो एक पेड़ की तरह शाखाओं को विभाजित करता है, नए पेड़ों को विभाजित करता है और यह प्लॉट करता है कि यह पहले त्रुटियों को कैसे आत्म-सही करता है। मॉडल ने नौ साल की अवधि में वसूली या गैर-लाभ की भविष्यवाणी करने के लिए 11 चर कुंजी की पहचान की, जिसमें रैखिक मॉडल नॉनलाइनियर मॉडल से बेहतर प्रदर्शन करता है। मॉडल ने यह भी पहचान लिया कि रिकवरी परिणामों की भविष्यवाणी करने के लिए प्रत्येक चर की तुलना दूसरों की तुलना में कितनी महत्वपूर्ण थी।

शोधकर्ताओं ने पाया कि उच्च शिक्षा स्तर, वृद्धावस्था, अधिक मित्र समर्थन, उच्च कमर-से-हिप-अनुपात और उच्च सकारात्मक प्रभाव, या अधिक हंसमुख महसूस करने के लिए, उस क्रम में वसूली के लिए सबसे महत्वपूर्ण थे। इस बीच, उदास प्रभाव, दैनिक भेदभाव, पिछले 12 महीनों में एक मानसिक स्वास्थ्य पेशेवर के साथ सत्रों की अधिक संख्या और पिछले 12 महीनों में चिकित्सा डॉक्टरों के लिए अधिक संख्या में यात्राओं की अधिक संख्या गैर -लाभ की भविष्यवाणी करने के लिए सबसे महत्वपूर्ण साबित हुई। शोधकर्ताओं ने मिडस डेटा से मशीन लर्निंग भविष्यवाणियों की तुलना करके मॉडल निष्कर्षों को मान्य किया, यह पाया कि अनुमानित रिकवरी चर 95 प्रतिभागियों के साथ ट्रैक किए गए थे जिन्होंने नौ साल की अवधि के अंत में कोई जीएडी लक्षण नहीं दिखाया।

निष्कर्ष बताते हैं कि चिकित्सक इन चर की पहचान करने और जीएडी रोगियों के लिए उपचार को निजीकृत करने के लिए एआई का उपयोग कर सकते हैं – विशेष रूप से उन लोगों के लिए जो यौगिक निदान करते हैं, शोधकर्ताओं के अनुसार।

पेन स्टेट में सीनियर लेखक और मनोविज्ञान के प्रोफेसर मिशेल न्यूमैन ने कहा कि जीएडी वाले लगभग 50% से 60% लोगों को कोमोरिड डिप्रेशन है। उन्होंने समझाया कि व्यक्तिगत उपचार उस अवसाद को लक्षित कर सकते हैं और साथ ही चिंता का इलाज कर सकते हैं।

न्यूमैन ने कहा, “मशीन लर्निंग न केवल व्यक्तिगत भविष्यवाणियों को देखता है, बल्कि हमें उन भविष्यवाणियों के वजन को समझने में मदद करता है – वे वसूली या गैर -लाभ के लिए कितने महत्वपूर्ण हैं – और जिस तरह से उन भविष्यवक्ताओं ने एक दूसरे के साथ बातचीत की, जो कि किसी भी चीज से परे है जो एक मानव भविष्यवाणी करने में सक्षम हो सकता है,” न्यूमैन ने कहा।

शोधकर्ताओं ने कहा कि अध्ययन नौ साल की अवधि में जीएडी की अवधि का निर्धारण नहीं कर सकता है, क्योंकि यह एक पुरानी स्थिति और अवधि है जहां लक्षण दृढ़ता से आते हैं और जाते हैं। हालांकि, काम अधिक सिलसिलेवार उपचारों के लिए जमीनी कार्य करता है, उन्होंने कहा।

“यह काम हमें और अधिक तरीकों को समझने में मदद करता है जिसमें उपचार विशिष्ट व्यक्तियों के लिए व्यक्तिगत हो सकता है,” न्यूमैन ने कहा।

नेशनल इंस्टीट्यूट ऑफ मेंटल हेल्थ के माध्यम से यूएस नेशनल इंस्टीट्यूट ऑफ हेल्थ ने इस शोध का समर्थन किया।