Istraživači su prilagodili program veštačke inteligencije (AI) da identifikuju znake posttraumatskog stresnog poremećaja povezanog sa porođajem (CB-PTSP) procenom kratkih narativnih izjava pacijenata koji su se porodili.
Program je uspešno identifikovao veliki deo učesnika za koje postoji verovatnoća da imaju poremećaj, a sa daljim usavršavanjem – kao što su detalji iz medicinske dokumentacije i podaci o iskustvu rođenja iz različitih populacija – model bi potencijalno mogao da identifikuje veliki procenat onih koji su u riziku. Studija se pojavljuje u časopisu Naučni izveštaji.
Širom sveta, CB-PTSP pogađa oko 8 miliona ljudi koji se rađaju svake godine, a trenutna praksa za dijagnostikovanje CB-PTSP-a zahteva procenu lekara, što je dugotrajno i skupo. Efikasna metoda skrininga ima potencijal da brzo i jeftino identifikuje veliki broj postporođajnih pacijenata koji bi mogli imati koristi od dijagnoze i lečenja.
Nelečeni CB-PTSP može ometati dojenje, povezivanje sa bebom i želju za budućom trudnoćom. Takođe može pogoršati depresiju majke, što može dovesti do samoubilačkih misli i ponašanja.
Istraživači su dali kontrolnu listu CB-PTSP-a, koja je upitnik dizajniran za skrining poremećaja, na 1.295 osoba nakon porođaja. Učesnici su takođe dali kratke naracije od oko 30 reči o svom iskustvu porođaja.
Istraživači su zatim obučili AI model da analizira podskup narativa pacijenata koji su takođe testirali visoke simptome CB-PTSP-a u upitniku. Zatim, model je korišćen za analizu različite podskupine narativa za dokaze o CB-PTSP-u. Sve u svemu, model je ispravno identifikovao narative učesnika za koje je verovatno da će imati CB-PTSP jer su postigli visoke rezultate na upitniku.
Autori veruju da bi njihov rad na kraju mogao da učini dijagnozu posttraumatskog stresnog poremećaja pri porođaju pristupačnijom, pružajući sredstva za kompenzaciju prošlih socioekonomskih, rasnih i etničkih dispariteta.
