פלטפורמה מבוססת מחשב לסיוע לקלינאים בניתוח ואבחון הפרעות אכילה
10 במאי 2022
אבחון הפרעות אכילה בתחום הבריאות הוא מאתגר. לכן, הפרוטוקול הנוכחי מפתח אלגוריתם המבוסס על 949 תשובות של מטופלים לשאלון, כאשר האבחנה מוצגת בממשק מבוסס אינטרנט קל לשימוש. מערכת זו מאפשרת אבחנה מדויקת של הפרעות אכילה תוך אי הכללת אלה שנחשבו כבעלי הפרעת אכילה.
המערכת מחליטה אם המטופל עומד בקריטריונים האבחוניים להפרעת אכילה ואיזה סוג של הפרעת אכילה כגון אנורקסיה נרבוזה, בולימיה נרבוזה או הפרעת אכילה מוגזמת. אז חולים נוטים להיות כנים יותר כאשר הם עונים למחשב מאשר לאדם פיזי. וכמובן, המערכת חוסכת זמן עבור המטפל.
מטרת השיטה היא לשפר את האמינות של אבחון הפרעות אכילה, לסייע לקלינאים בבחירת הסובלים מהפרעת אכילה ולהפנות את אלה שאינם עומדים בקריטריונים של הפרעת אכילה לטיפולים אחרים או ללא טיפולים. מי שידגים את הנהלים יהיה אלקיוני גליבי, עוזר מחקר במעבדה שלנו. לאחר הפניית המטופל, נווט אל דף הנחיתה באינטרנט באמצעות כל דפדפן מודרני.
השתמש בחשבון קיים המשויך לקלינאי כדי להיכנס לכלי האינטרנט. מלאו את טופס רישום המטופל, כולל תעודת זהות של מטופל, תאריך לידה, גיל ומין, מספר ביטוח לאומי. לחץ על לחצן שמור כדי לרשום מטופל חדש.
פתח את יישום השאלון במכשיר חכם. מלא את מספר הביטוח הלאומי ואת תאריך הביקור הראשון של המטופל. התאריך הנוכחי משמש כברירת מחדל.
לאחר מכן מלא את המידע המתאים למשקל המטופל, גובהו וגילו. לאחר מכן, מלא את המידע המתאים להתנהגות כגון הקאות מושרות, תדירות החטיפים וקצב האכילה, ואחריו פרטים המתאימים לפריטים קוגניטיביים ורגשיים, כגון פחד לעלות במשקל ותחושות של דיסמורפיה בגוף. לחץ על לחצן סיום כדי לסיים את השאלון.
נווט אל דף הנחיתה באינטרנט באמצעות כל דפדפן אינטרנט. השתמש בחשבון קיים כדי להיכנס לכלי האינטרנט. חפש את המטופל באמצעות מספר הביטוח הלאומי של המטופל או תעודת הזהות של המטופל.הוסף משקל וגובה נמדדים למערכת.
לחץ על הכרטיסיה תוצאה כדי לקבל את ההחלטה האלגוריתמית אם למטופל יש הפרעת אכילה, או ED ואיזה סוג של ED. לאחר מכן לחץ על הלשונית שאלות 1 עד 20 או על שאלות 21 עד 34 כדי להציג את השאלות שבהן תשובות המטופל חורגות מתשובות של אנשים בריאים. בחר אבחנה סופית תחת הלשונית תוצאה, בהתבסס על האלגוריתם ועל המומחיות של המטפל. דוגמה לדף הערכת סיכונים לאבחון מומלץ וההסתברות המשוערת לדיוק מאפס לאחד מוצגת כאן.
מהאבחנה המומלצת ומהתשובות לשאלונים, נוצרו תגובות בריאות וסוטות. האלגוריתם המעריך את ההסתברות לסוגים שונים של הפרעות אכילה עבור הפרט מודגם כאן. הדיוק של המודל נקבע להיות 97.1 עבור ED ו 82.8 עבור אבחון ED.
יתרון נוסף של המערכת הוא שהיא מספקת את התשובות האחראיות לאבחון המוצע, המאפשר למערכת ללמד קלינאים לאבחן חולים טוב יותר ולהתייעץ עם אנשי מקצוע נוספים בתחום הבריאות במקרים קשים.
סקירה כללית
מאמר זה מציג אלגוריתם מבוסס רשת שנועד לשפר את האבחנה של הפרעות אכילה באמצעות ניתוח תשובות מטופלים לשאלון. המערכת משפרת את הדיוק האבחנתי תוך שהיא מאפשרת לקלינאים להעריך מטופלים ביעילות.
מרכיבי מפתח של המחקר
תחום מדעי
- פסיכולוגיה קלינית
- טכנולוגיית בריאות
- אבחון הפרעות אכילה
רקע
- אבחון של הפרעות אכילה מהווה לעיתים קרובות אתגר עבור נותני שירותי בריאות.
- שיטות מסורתיות עלולות להוביל לאבחנה שגויה או לתת-אבחון.
- שימוש בטכנולוגיה יכול לשפר את כנות המטופלים ולייעל את תהליך האבחון.
- האלגוריתם מבוסס על נתוני מטופלים נרחבים כדי להגביר את המהימנות.
מטרת המחקר
- פיתוח כלי אבחוני מהימן להפרעות אכילה.
- סיוע לקליניקאים בזיהוי מטופלים העומדים בקריטריונים להפרעות אכילה.
- אספקת ממשק ידידותי למשתמש עבור קליניקאים ומטופלים.
שיטות שנעשה בהן שימוש
- שאלון מבוסס רשת לתגובות מטופלים.
- ניתוח אלגוריתמי של התגובות לצורך קביעת אבחנה.
- שילוב נתוני מטופל כגון משקל, גובה ודפוסי התנהגות.
- קלט של קליניקאי לאבחנה סופית בהתבסס על תוצאות האלגוריתם.
תוצאות עיקריות
- האלגוריתם השיג דיוק אבחנתי של 97.1% עבור הפרעות אכילה.
- הוא סיפק תובנות לגבי תגובות של מטופלים שסטיקו מהנורמות הבריאות.
- קליניקאים קיבלו המלצות המבוססות על הערכות אלגוריתמיות.
- המערכת מסייעת בהוראת שיטות אבחון טובות יותר עבור קליניקאים.
מסקנות
- הכלי מבוסס הרשת משפר באופן משמעותי את מהימנות האבחנות של הפרעות אכילה.
- הוא מאפשר ניהול מטופלים ותהליכי הפניה טובים יותר.
- המערכת יכולה לשפר את ההכשרה של הקלינิกאים ואת קבלת ההחלטות.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
פלטפורמות אבחוניות מבוססות-אלגוריתם להפרעות התנהגותיות מורכבות נותנות מענה לפער קריטי בזיהוי מוקדם ומדויק, במיוחד במסגרות של רפואה ראשונית שבהן חסרה מומחיות מקצועית. על ידי תיקנון של קריטריונים אבחוניים וכימות של הערכות הסתברות, מערכות אלו מגבירות את הביטחון החזוי ומייעלות את תהליך מיון המטופלים. גישה זו תומכת בקבלת החלטות ניתנת לשחזור ובקנה מידה רחב בסביבות קליניות מגוונות, ובכך משפיעה ישירות על ניהול סיכונים ברמת הפורטפוליו במחקר ופיתוח של בריאות דיגיטלית ורפואה התנהגותית.
יישומים אסטרטגיים במחקר ופיתוח בביו-פארמה
גילוי מוקדם ותיקוף מטרה
- מאפשר בחינה שיטתית של קריטריונים אבחנתיים להפרעות התנהגותיות באמצעות מאגרי נתונים רחבי היקף עם תוויות של מומחים.
- תומך בהפחתת סיכונים ביולוגיים והתנהגותיים על ידי כימות ההסתברות האבחנתית והדגשת חריגות בתגובה.
- מסייע בביסוס ביטחון חיזוי באסטרטגיות של סיווג חולים והתערבות מוקדמת.
סריקה ופיתוח בדיקה
- מכין מערכות פנוטיפציה דיגיטלית מתוקפות עבור תהליכי עבודה קליניים וטרנסלציונליים המשכיים.
- מסטנדרט את לכידת הנתונים ואת ההערכה האלגוריתמית לקבלת תוצאות כמותיות הניתנות לשחזור.
- מאפשר סריקה ניתנת להרחבה של אוכלוסיות בסיכון עם ספי סף אבחנתיים עקביים.
מחקר תרגומי ופרה-קליני
- מתאימה פלטים דיגיטליים אבחוניים לסמני קצה קליניים לצורך רציפות תרגומית.
- תומכת בקידום מותאם סיכונים של ביומרקרים דיגיטליים וסמני קצה התנהגותיים.
- מספקת הפחתת סיכונים מנגנונית על ידי קישור תשובות לשאלונים לתוצאות אבחוניות.
שילוב תהליכי עבודה וצנרת (Pipeline)
פלטפורמה אבחנאית מבוססת מחשב זו משתלבת ברצף המוקדם מהגילוי ועד לתרגום קליני, ותומכת בבדיקת היפותזות, תיקוף של סממנים ביולוגיים דיגיטליים וסיווג מטופלים ברתח scaling.
- ביולוגיה של הגילוי: מכמתת את ההסתברות האבחנתית ומזהה סטיות תגובה מרכזיות לצורך זיקוק מונחה-היפותזה.
- סריקה: מספקת פלטים הניתנים לשחזור ומבוססים על אלגוריתמים להערכת מטופלים בתפוקה גבוהה.
- אנליטיקה: מספקת קריאות כמותיות ומדדי דיוק סטטיסטיים כדי להנחות השוואות בין מצבים שונים.
- מחקר תרגומי: מגשרת בין נתונים אבחנתיים דיגיטליים לבין קבלת החלטות קלינית ונתיבי הפניה.
- שימוש חוזר ארגוני: מציעה תשתית מבוססת רשת שניתנת לשימוש חוזר וניתנת להתאמה לאינדיקציות התנהגותיות או פסיכיאטריות נוספות.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החיזוי ומפחית עמימות אבחנתית בבריאות התנהגותית.
- ערך תפעולי: מבצע סטנדרטיזציה ואוטומציה של תהליכי עבודה אבחנתיים לצורך סקילביליות ושחזוריות.
- ערך אסטרטגי: מאפשר קבלת החלטות מוקדמת יותר מבוססת נתונים לגבי המשך התהליך (go/no-go) ומייעל את הקצאת המשאבים.
- השפעה על הפורטפוליו: תומך בתיעדוף מותאם סיכון של נכסי בריאות דיגיטליים ואלגוריתמים אבחנתיים.
שיקולים ביישום
- דורש מומחיות קלינית לצורך אבחנה סופית ופירוש של פלטי האלגוריתם.
- נחושה תשתית דיגיטלית מאובטחת לאיסוף וניתוח נתוני מטופלים.
- דורש סטנדרטיזציה בין-צוותית של פרוטוקולי הזנת נתונים ופירוש.
- ניתן להתאמה למסגרות קליניות שונות, אך עשוי לדרוש התאמה מקומית עבור אוכלוסיות שונות.
- תלוי באיכות ובמייצגות של מערכי נתוני האימון לצורך דיוק אלגוריתמי.
