Les personnes atteintes de troubles anxieux généralisés (GAD), une condition caractérisée par une inquiétude excessive quotidienne, du moins six mois, ont un taux de rechute élevé même après avoir reçu un traitement.
L’IA peut aider à personnaliser le traitement de l’anxiété (Shutterstock)
Les modèles d’intelligence artificielle (IA) peuvent aider les cliniciens à identifier les facteurs pour prédire la récupération à long terme et pour mieux personnaliser le traitement des patients, selon les chercheurs.
Les chercheurs ont utilisé une forme d’IA appelée apprentissage automatique pour analyser plus de 80 facteurs de base – allant de la psychologique et sociodémographique aux variables de santé et de style de vie – pour 126 personnes anonymisées diagnostiquées avec du GAD. Les données sont venues des États-Unis
L’étude longitudinale des National Institutes of Health appelée Midlife aux États-Unis, qui échantillonne les données de santé des résidents continentaux américains âgés de 25 à 74 ans qui ont été interrogés pour la première fois en 1995-1996.
Les modèles d’apprentissage automatique ont identifié 11 variables qui semblent les plus importantes pour prédire la récupération et la non-récupération, avec une précision jusqu’à 72%, à la fin d’une période de neuf ans. Les chercheurs ont publié leurs résultats dans le numéro de mars du Journal of Anxiety Disorders.
“Des recherches antérieures ont montré un taux de rechute très élevé dans le GAD, et il y a également une précision limitée dans le jugement des cliniciens dans la prévision des résultats à long terme”, a déclaré Candice Basterfield, auteur d’étude principal et candidat au doctorat chez Penn State.
“Cette recherche suggère que les modèles d’apprentissage automatique montrent une bonne précision, une bonne sensibilité et une spécificité pour prédire qui ne se remettront pas et ne se remettront pas du TAP.
L’anxiété a un taux de rechute élevé (Shutterstock)
Les chercheurs ont constaté que le niveau d’enseignement supérieur, l’âge plus élevé, le soutien plus d’amis, le ratio de la taille-hanche plus élevé et un effet positif plus élevé, ou se sentant plus gai, étaient les plus importants pour la récupération, dans cet ordre.
Pendant ce temps, un effet déprimé, une discrimination quotidienne, un plus grand nombre de séances avec un professionnel de la santé mentale au cours des 12 derniers mois et un plus grand nombre de visites chez les médecins au cours des 12 derniers mois se sont avérés les plus importants pour prédire la non-récupération.
Les chercheurs ont validé les résultats du modèle en comparant les prédictions d’apprentissage automatique aux données MIDUS, constatant que les variables de récupération prévues suivis avec les 95 participants qui n’ont montré aucun symptôme de GAD à la fin de la période de neuf ans.
Les résultats suggèrent que les cliniciens peuvent utiliser l’IA pour identifier ces variables et personnaliser le traitement pour les patients GAD – en particulier ceux qui ont des diagnostics de composition, selon les chercheurs.
#rescousse #létude #montre #lapprentissage #automatique #prédit #récupération #long #terme #pour #lanxiété #avec #une #précision #Santé