Italiaanse onderzoekers hebben deze maand een studie gepubliceerd waarin zij een AI-model beschrijven dat mogelijk kan voorspellen welke mensen met een ernstige depressie na ontslag opnieuw worden opgenomen in een psychiatrisch ziekenhuis. Het model werd getest bij 322 patiënten en gebruikt onder meer eerdere opnamen, symptomen en medicatie. De onderzoekers hopen dat zulke voorspellingen in de toekomst kunnen helpen om nazorg beter af te stemmen. Voor gebruik in de dagelijkse praktijk is het model nog niet nauwkeurig genoeg.
Voor het onderzoek bekeken de onderzoekers gegevens van 322 volwassenen die vanwege een ernstige depressie waren opgenomen in een psychiatrische kliniek in Italië. Vijftig van hen, 15,5 procent, werden binnen negentig dagen na hun ontslag opnieuw opgenomen.
Het algoritme kreeg informatie uit de reguliere klinische praktijk. Daarbij werd onder meer gekeken naar eerdere psychiatrische opnamen, depressieve symptomen, bijkomende aandoeningen en de medicatie die patiënten bij ontslag gebruikten. Vervolgens zocht het model met machine learning naar patronen die verband houden met een nieuwe opname binnen drie maanden.
Eerdere opnamen
Een aantal kenmerken bleek in het model relatief belangrijk. Zo waren eerdere psychiatrische opnamen en suïcidepogingen van invloed op de voorspelling. Ook angstige kenmerken bij een depressie en bepaalde persoonlijkheidsproblematiek droegen bij aan het berekende risico.
Die informatie zou volgens de onderzoekers in de toekomst kunnen helpen om patiënten te herkennen die na hun ontslag mogelijk extra ondersteuning nodig hebben. Dat kan bijvoorbeeld betekenen dat iemand eerder opnieuw wordt gezien of intensievere begeleiding krijgt. Ook kan een dergelijke voorspelling mogelijk helpen bij de overgang van een klinische opname naar ambulante zorg. Juist in die periode kan het belangrijk zijn dat behandelaars weten welke patiënten mogelijk extra aandacht nodig hebben.
Voorspelling geen zekerheid
Het algoritme kon enig onderscheid maken tussen patiënten die later wel en niet opnieuw werden opgenomen. De gemiddelde score van het model wijst echter op een matig onderscheidend vermogen. Daarmee kan het systeem het risico niet nauwkeurig genoeg voorspellen om zelfstandig beslissingen over patiënten op te baseren.
Een verhoogd risico betekent bovendien niet dat iemand daadwerkelijk opnieuw zal worden opgenomen. Het onderzoek laat ook niet zien dat het gebruik van het algoritme het aantal heropnamen kan verminderen. Daarvoor zou moeten worden onderzocht wat er gebeurt wanneer zorgverleners de voorspellingen daadwerkelijk gebruiken bij het bepalen van de nazorg.
Eerst valideren bij andere patiënten
De studie verscheen in september in het Journal of Affective Disorders en maakt deel uit van het Italiaanse DEEP READ-onderzoek. Het model is tot nu toe binnen de onderzochte groep getest. Een volgende stap is om te kijken of het ook werkt bij andere patiëntengroepen en in andere zorginstellingen. Daarbij moet niet alleen worden gekeken naar de nauwkeurigheid van de voorspellingen. Ook is van belang of toepassing ervan daadwerkelijk tot betere zorg leidt.
Voorlopig beschouwen de onderzoekers het algoritme daarom vooral als een onderzoeksinstrument. Als dergelijke modellen in de toekomst betrouwbaar genoeg blijken, kunnen ze mogelijk een behandelaar ondersteunen bij het inschatten van het risico op heropname. Het oordeel van de zorgverlener en het gesprek met de patiënt blijven daarbij van belang.
Gedwongen opname voorspellen
AI wordt inmiddels op meerdere manieren onderzocht als hulpmiddel bij het inschatten van risico's binnen de geestelijke gezondheidszorg. Eind 2024 schreven we bijvoorbeeld over het onderzoek waarbij AI kan helpen voorspellen welke patiënten een verhoogd risico hebben op een gedwongen ggz-opname.
Referenties
Voeg ICT&health toe aan Google
Toon meer content van ICT&health in Google Zoeken.
