Diagnostic support system development for the monitoring of psychosis

Tittel: ET SYSTEM FOR Å STØTTE OPPFØLGINGEN AV PASIENTER MED PSYKOSELIDELSER Pasienter med alvorlige psykiske sykdommer kan i perioder trenge tett oppfølging fra fagfolk i form av samtaler og kartlegginger som skal forebygge akutte sykehusinnleggelser eller uønskede hendelser som selvmord. Dette kan være vanskelig å få gjennomført på grunn av manglende tilgang på fagfolk, og i tillegg kan sporadiske møter mellom klinikere og pasienter være utilstrekkelig for å fange opp nyanser i hvordan pasienters tilstand endres over tid. Slike begrensninger kan svekke kvaliteten på behandlingen. Hovedmålet for dette prosjektet var å utvikle og implementere teknologi som er i stand til å følge med på klinisk tilstand over tid hos pasienter utenfor sykehus, og som kan varsle helsearbeidere når det er behov for å sette inn tettere oppfølging. Prosjektet fokuserte på disse tre spørsmålene: (i) Kan mobilteknologi brukes til å samle inn funksjonsmålinger hos pasienter? (ii) Kan vanlige interaksjoner slik som tale og bevegelser gjøres om til målinger av pasienters mentale tilstand? (iii) Kan slik teknologi konfigureres slik at målingene er nøyaktige nok til å være til nytte? For å svare på disse spørsmålene utviklet prosjektet i løpet av tre år en rekke nyvinninger: -En mobilapplikasjon som lot pasienter selv gjøre tester på telefon eller iPad, uavhengig av sted. -Pasienter løste oppgaver både med å snakke og å trykke på skjermen, dette lot oss gjøre strukturerte daglige målinger av kognitiv funksjon, motoriske evner og språk. -Lydopptak av tale ble automatisk analysert ved hjelp av teknologiske hjelpemidler innen tale- og språkanalyse for å gjenkjenne hva som ble sagt og for å kjenne igjen mønstre i taleuttrykk. -Ulike målinger ble hentet ut av resultatene fra applikasjonen og kombinert med maskinlæringsteknikker for å lage en modell av hvordan klinikere gjør vurderinger, og på den måten skape sensitive og pålitelige indikatorer på kliniske tilstander. -Målingene ble analysert langs en tidsakse for å kunne følge med på endringer over tid. For å utvikle dette systemet ble det først gjennomført en brukerundersøkelse hvor klinikere ble forespurt om nåværende metoder for vurdering av mentale tilstander, og hvor det kunne være muligheter for forbedring. Undersøkelsen kartla hvilke klinikere som hadde slike oppgaver, hvor ofte vurderingene ble gjort, begrensningene i slike vurderinger og hvilke observasjoner klinikere la mest vekt på når de skulle gjøre beslutninger rundt pasienters mentale tilstander. Basert på resultatene fra denne undersøkelsen ble det utviklet 25 unike test-typer som gjorde målinger av kognitiv funksjon, motoriske evner og språk. Testene var lik i form og struktur til standardiserte nevropsykologiske tester, men ble laget slik at (1) testene kunne bli brukt på daglig basis og administrert via en smarttelefon, (2) testene var korte og engasjerende oppgaver som krevde at pasienter brukte telefonene til å lytte, se, snakke og trykke og (3) interaksjonene ble automatisk analysert for å trekke ut et rikt sett med målinger fra hver test. Brukervennligheten til mobilapplikasjonen ble også undersøkt slik at man kunne være sikkert på at pasienter var i stand til å gjøre tester uten at klinikere var tilstede. Appen ble brukt i tre undersøkelser hvor til sammen 134 pasienter med ulike psykiatriske diagnoser, deriblant psykoselidelser, og 219 sammenlignbare friske deltakere var med. To undersøkelser ble gjort i USA og en undersøkelse ble gjort i Norge. Undersøkelsene gjorde det mulig å utvikle applikasjonen steg for steg, for å kunne forbedre nøyaktighet og stabilitet i oppgavene, og for å forsikre oss om at systemet oppnådde målsettingen. Resultatene viste at systemet var lett å bruke for både pasienter og andre deltakere. Analyser av tale og maskinlæringsmodeller basert på disse dataene var i stand til å karakterisere viktige uttrykk som henger sammen med hvordan også klinikere vurderer pasienters tilstand. For eksempel kunne systemet predikere pasienters emosjonelle uttrykk og aktiveringsnivå like nøyaktig som vurderinger fra mennesker. Videre kunne systemet måle verbal gjenfortelling av historier som ble presentert i applikasjonen, og generere nøyaktige scoringer på deltakernes hukommelse, og hvordan dette endret seg over tid. I tillegg til å kunne lage nøyaktige og stabile målinger, vil et slikt system kunne utvide kunnskapen vår om rollen til kognisjon og språk ved psykiatriske tilstander. For eksempel viste automatiserte målinger at pasienter har et mer usammenhengende språk i deres verbale gjenfortellinger. Dette prosjektet resulterte i en ny tilnærming til vurdering av psykiatriske tilstander, og brukte det ny teknologi til å produsere et system som kunne følge med på endringer i pasienters mentale helse.

Current best practice in assessing psychiatric clinical states relies on frequent clinical interviews with trained professionals. However, there are not enough clinicians to monitor patients as often as necessary, and relapse or suicide can follow even a few days after a clinician-patient meeting, highlighting the limits of intermittent clinical evaluation. Emerging technologies can automatically track and transmit key patient data, including information about affect, activation level, and suicidal ideati on, and generate alerts to initiate human intervention. Data capture can be inobtrusive (e.g., wristband monitors and smartphones). Body movement and non-verbal aspects of speech can form robust indicators of psychomotor activation and affect, while autom atic content analysis of speech can detect morbid ideation and changes in symptoms of depression and schizophrenia. We propose to assemble a remote monitoring system from currently available state-of-the-art technical elements, configure them to capture a nd transmit both passive-continuous and elicited-episodic data streams from outpatients. The goal is to implement a system that tracks the psychological state of psychiatric outpatients and when appropriate generates alerts that indicate that clinical sta ff should initiate communication with that patient. The potential to predict relapse risk before it occurs can avoid many medical crises and suicide-attempts/suicides. The research program is designed to answer three questions about the feasibility of rem ote monitoring of such patients: (i) Can available technology be configured to support such monitoring with sufficient accuracy to be useful? (ii) Will some portion of the outpatient psychiatric population tolerate such monitoring and comply with its beha vioral requirements? (ii) Can such monitoring be implemented effectively that better serves the outpatient population, while reducing overall costs?