青少年,家长和提供者对基于机器学习的临床决策支持系统的态度,以选择青少年抑郁症治疗方法
Meredith Gunlicks-Stoessel1, Yangchenchen Liu2, Catherine Parkhill3
1Department of Psychiatry & Behavioral Sciences, University of Minnesota, 2025 E River Parkway, 55414, Minneapolis, MN, USA. mgunlick@umn.edu.
BMC medical informatics and decision making
|January 3, 2024
概括
机器学习决策支持工具显示出个性化抑郁症治疗计划的前景. 利益相关者接受度很高,但实施需要解决时间限制和提供者角色.
科学领域:
- 精神病学是一个精神病学.
- 数字健康数字健康
- 临床决策支持 临床决策支持
背景情况:
- 基于机器学习 (ML) 的临床决策支持系统 (CDSS) 在抑郁症等复杂疾病中提供了个性化治疗计划的潜力.
- 然而,用于精神病治疗选择的ML模型很少,尚未纳入临床实践.
- 了解利益相关者的态度对于成功实施基于ML的CDSS至关重要.
研究的目的:
- 评估青少年,家长和提供者对青少年抑郁症的原型基于ML的CDSS (CDSS-YD) 的态度.
- 评估CDSS-YD在现实临床环境中的可用性和感知价值.
主要方法:
- 研究1:与青少年 (n=9),家长 (n=11) 和提供者 (n=8) 的焦点小组评估对CDSS-YD原型的态度.
- 研究2:提供者在与青少年和家长 (n=6) 的临床接触中使用CDSS-YD进行治疗规划,随后对用户态度进行调查.
主要成果:
- 所有利益相关者群体都发现CDSS-YD易于理解,对个性化治疗决策有用.
- 青少年和家长强调了提供者在CDSS-YD使用中的作用,这影响了人们对可信度的看法.
- 提供者认为临床生产力指标是障碍,培训和使用保护时间是关键促进因素.
结论:
- 基于ML的CDSS有可能在个性化治疗规划中得到广泛接受,如果证明有效的话.
- 成功实施取决于解决系统层面的障碍,特别是将该工具集成到实践中,并提供足够的时间和支持.
