섭식 장애 분석 및 진단에서 임상의를 돕기 위한 컴퓨터 기반 플랫폼
2022년 5월 10일
건강 관리에서 섭식 장애를 진단하는 것은 어렵습니다. 따라서, 본 프로토콜은 설문지에 대한 949명의 환자 응답을 기반으로 알고리즘을 개발하며, 진단은 사용하기 쉬운 웹 기반 인터페이스에 디스플레이된다. 이 시스템은 섭식 장애가있는 것으로 여겨지는 사람들을 배제하면서 섭식 장애의 정확한 진단을 용이하게합니다.
이 시스템은 환자가 섭식 장애에 대한 진단 기준을 충족하는지 여부와 신경성 식욕 부진증, 신경성 폭식증 또는 폭식증과 같은 섭식 장애의 유형을 결정합니다. 따라서 환자는 실제 사람보다 컴퓨터에 대답 할 때 더 정직한 경향이 있습니다. 그리고 물론이 시스템은 임상의의 시간을 절약하고 있습니다.
이 방법의 목적은 섭식 장애 진단의 신뢰성을 향상시키고, 임상의가 섭식 장애로 고통받는 사람들을 선택하도록 돕고, 섭식 장애 기준을 충족시키지 못하는 사람들을 다른 치료법에 추천하거나 치료하지 않는 것입니다. 이 절차를 시연하는 것은 우리 실험실의 연구 조교 인 Alkioni Glibi가 될 것입니다. 환자 추천시 최신 브라우저를 사용하여 웹 방문 페이지로 이동하십시오.
임상의와 연결된 기존 계정을 사용하여 웹 도구에 로그인합니다. 환자 ID, 생년월일, 나이, 성별, 사회 보장 번호를 포함한 환자 등록 양식을 작성하십시오. 저장 버튼을 눌러 새 환자를 등록합니다.
스마트 장치에서 설문지 응용 프로그램을 엽니다. 환자의 사회 보장 번호와 첫 번째 방문 날짜를 입력하십시오. 현재 날짜는 기본적으로 사용됩니다.
그런 다음 환자의 체중, 키 및 나이에 해당하는 정보를 입력하십시오. 다음으로, 구토 유도, 스낵 빈도 및 섭식률과 같은 행동에 해당하는 정보를 기입하고, 체중에 대한 두려움과 신체 이형성의 감정과 같은인지 및 정서적 항목에 해당하는 세부 사항을 기입하십시오. 완료 버튼을 눌러 설문지를 마칩니다.
웹 브라우저를 사용하여 웹 방문 페이지로 이동합니다. 기존 계정을 사용하여 웹 도구에 로그인합니다. 환자의 사회 보장 번호 또는 환자 ID를 사용하여 환자를 검색합니다.측정된 체중과 높이를 시스템에 추가합니다.
결과 탭을 눌러 환자가 섭식 장애를 앓고 있는지 또는 ED가 있는지, 어떤 유형의 ED가 있는지에 대한 알고리즘 결정을 가져옵니다. 그런 다음 탭 질문을 하나씩 누르거나 질문 21에서 34까지 눌러 환자 응답이 건강한 개인의 답변에서 벗어나는 질문을 표시합니다. 결과 탭에서 알고리즘과 임상의의 전문 지식에 따라 최종 진단을 선택합니다. 권장 진단을 위한 위험 평가 페이지의 예와 0에서 일까지의 정확도의 추정 확률이 여기에 나와 있습니다.
권장 진단 및 설문지 응답에서 건강하고 일탈적인 응답이 생성되었습니다. 개인에 대한 섭식 장애의 다른 유형의 확률을 추정하는 알고리즘이 여기에서 설명됩니다. 모델의 정확도는 ED의 경우 97.1, ED 진단의 경우 82.8로 측정되었습니다.
이 시스템의 또 다른 이점은 제안 된 진단에 대한 답변을 제공하여 시스템이 임상의에게 환자를 더 잘 진단하고 어려운 경우 추가 의료 전문가와 상담 할 수 있도록 가르 칠 수 있다는 것입니다.
개요
이 기사는 환자의 설문 응답을 분석하여 식이 장애의 진단을 개선하도록 설계된 웹 기반 알고리즘을 소개합니다. 이 시스템은 진단의 정확도를 높이는 동시에 의사가 환자를 효율적으로 평가할 수 있도록 합니다.
주요 연구 구성 요소
과학 분야
- 임상 심리학
- 의료 기술
- 식이 장애 진단
배경
- 식이 장애의 진단은 의료 제공자에게 종종 어려운 과제입니다.
- 전통적인 방법은 오진이나 미진으로 이어질 수 있습니다.
- 기술을 활용하면 환자의 정직성을 개선하고 진단 과정을 간소화할 수 있습니다.
- 알고리즘은 신뢰성을 향상시키기 위해 광범위한 환자 데이터를 기반으로 합니다.
연구 목적
- 식이 장애에 대한 신뢰할 수 있는 진단 도구를 개발합니다.
- 의사가 식이 장애 기준을 충족하는 환자를 식별하는 데 도움을 줍니다.
- 의사와 환자를 위한 사용자 친화적인 인터페이스를 제공합니다.
사용된 방법
- 환자 응답을 위한 웹 기반 설문지.
- 진단을 결정하기 위한 응답의 알고리즘 분석.
- 체중, 키, 행동 패턴 등의 환자 데이터 통합.
- 알고리즘 결과를 기반으로 한 최종 진단에 대한 의사의 입력.
주요 결과
- 알고리즘은 식이 장애에 대해 97.1%의 진단 정확도를 달성했습니다.
- 건강한 기준에서 벗어나는 환자 응답에 대한 통찰력을 제공했습니다.
- 의사는 알고리즘 평가를 기반으로 한 권장 사항을 받았습니다.
- 이 시스템은 의사에게 더 나은 진단 실습을 가르치는 데 도움을 줍니다.
결론
- 웹 기반 도구는 식이 장애 진단의 신뢰성을 크게 향상시킵니다.
- 더 나은 환자 관리 및 의뢰 과정을 가능하게 합니다.
- 이 시스템은 의사의 교육 및 의사 결정을 향상시킬 수 있습니다.
자주 묻는 질문
Executive Industry Relevance
Algorithm-driven diagnostic platforms for complex behavioral disorders address a critical gap in early, accurate identification, especially in primary care settings lacking specialist expertise. By standardizing diagnostic criteria and quantifying probability estimates, such systems enhance predictive confidence and streamline patient triage. This approach supports scalable, reproducible decision-making across diverse clinical environments, directly impacting portfolio-level risk management in digital health and behavioral medicine R&D.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables systematic interrogation of diagnostic criteria for behavioral disorders using large-scale, expert-annotated datasets.
- Supports biological and behavioral de-risking by quantifying diagnostic probability and highlighting response deviations.
- Facilitates predictive confidence in patient stratification and early intervention strategies.
Screening & Assay Development
- Prepares validated digital phenotyping systems for downstream clinical and translational workflows.
- Standardizes data capture and algorithmic assessment for reproducible, quantitative outputs.
- Enables scalable screening of at-risk populations with consistent diagnostic thresholds.
Translational & Preclinical Research
- Aligns digital diagnostic outputs with clinical endpoints for translational continuity.
- Supports risk-adjusted advancement of digital biomarkers and behavioral endpoints.
- Provides mechanistic de-risking by linking questionnaire responses to diagnostic outcomes.
Pipeline & Workflow Integration
This computer-based diagnostic platform integrates into the early discovery-to-clinical translation continuum, supporting hypothesis testing, digital biomarker validation, and scalable patient stratification.
- Discovery Biology: Quantifies diagnostic probability and identifies key response deviations for hypothesis-driven refinement.
- Screening: Delivers reproducible, algorithm-based outputs for high-throughput patient assessment.
- Analytics: Provides quantitative readouts and statistical accuracy metrics to inform cross-condition comparisons.
- Translational Research: Bridges digital diagnostic data with clinical decision-making and referral pathways.
- Enterprise Reuse: Offers a reusable, web-based infrastructure adaptable to additional behavioral or psychiatric indications.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces diagnostic ambiguity in behavioral health.
- Operational Value: Standardizes and automates diagnostic workflows for scalability and reproducibility.
- Strategic Value: Enables earlier, data-driven go/no-go decisions and optimizes resource allocation.
- Portfolio Impact: Supports risk-adjusted prioritization of digital health assets and diagnostic algorithms.
Implementation Considerations
- Requires clinical expertise for final diagnosis and interpretation of algorithmic outputs.
- Needs secure digital infrastructure for patient data capture and analysis.
- Demands cross-team standardization of data entry and interpretation protocols.
- Adaptable to various clinical settings but may require localization for different populations.
- Dependent on the quality and representativeness of training datasets for algorithmic accuracy.
