Migliorare le procedure diagnostiche per l'epilessia attraverso la registrazione automatizzata e l'analisi della storia del paziente
Il trattamento efficace dell'epilessia dipende da una diagnosi corretta. Tuttavia, spesso ci vuole troppo tempo per fare le diagnosi iniziali e troppe si rivelano sbagliate. Nonostante i progressi tecnologici, la diagnosi di epilessia dipende ancora da un'interpretazione esperta della storia di un paziente. È giunto il momento di utilizzare i progressi della tecnologia informatica e dell'analisi vocale automatica per supportare il processo decisionale con i sistemi di intelligenza artificiale. La perdita transitoria di coscienza (TLOC) è uno dei motivi più comuni per cui le persone accedono ai servizi di emergenza. Tre cause rappresentano oltre il 90% delle presentazioni con TLOC: epilessia, svenimento o dissociazione (noto anche come convulsioni psicogeniche non epilettiche). Questi disturbi richiedono un trattamento diverso, e una prevenzione efficace della recidiva dipende da una diagnosi corretta, quindi un riferimento appropriato dall'emergenza o dall'assistenza primaria alla corretta area di specializzazione (neurologia, cardiologia o psichiatria) è di grande importanza. Attualmente i servizi diagnostici iniziali non stanno andando bene: circa il 20% delle persone riceve una diagnosi errata.
Nonostante i progressi tecnologici, lo strumento più importante per la differenziazione tra le cause comuni dei TLOC è la storia dei pazienti e dei testimoni, se disponibili. Tuttavia, il processo di assunzione e interpretazione della storia richiede esperienza e tempo che potrebbero non essere disponibili nelle situazioni di emergenza e di assistenza primaria. Il professor Reuber e colleghi vogliono migliorare questo processo programmando un sistema di intelligenza artificiale per chiedere ai pazienti i loro sintomi TLOC e analizzare le loro risposte.
Lo studio
Questo progetto è un programma di dottorato di ricerca basato su un lavoro precedente in cui i ricercatori hanno dimostrato i contributi diagnostici apportati da particolari combinazioni di sintomi TLOC e da come i pazienti parlano delle loro esperienze TLOC, piuttosto che ciò che descrivono. Il progetto trarrà vantaggio dall'esperienza del team di ricerca nell'analizzare le conversazioni tra i pazienti e un "dottore digitale" utilizzando il riconoscimento vocale automatico e il software decisionale. Durante il corso di questo programma di dottorato i ricercatori convalideranno un questionario sintomatologico presentato e analizzato al computer ed esploreranno l'ulteriore contributo diagnostico di un processo completamente automatizzato per l'acquisizione e l'analisi delle conversazioni dei pazienti con un medico digitale.
Significato
Una macchina per la raccolta automatica della storia potrebbe aumentare il valore diagnostico delle informazioni di pazienti e testimoni attraverso la raccolta e l'analisi più metodiche. Ciò dovrebbe migliorare il processo di triage iniziale delle presentazioni TLOC in situazioni di emergenza o di cure primarie e significa che più pazienti vengono indirizzati alla specialità medica più appropriata per la gestione dei loro problemi. In definitiva, il sistema dovrebbe consentire a più pazienti di ottenere il miglior trattamento possibile per il loro problema più rapidamente.