?هوش مصنوعی میتواند به بیماران مبتلا به درد مزمن کمک کند تا از مواد افیونی اجتناب کنند?
درمان شناختی-رفتاری، جایگزین موثری برای مسکن‌های مخدر برای مدیریت و کاهش درد مزمن می‌باشد. اما واداشتن بیماران به تکمیل این برنامه‌ها چالش برانگیز است، به ویژه به این دلیل که روان درمانی، اغلب به جلسات متعددی نیاز دارد و متخصصان سلامت روان، از لحاظ آماری ناکافی هستند.
? یک مطالعه جدید در JAMA Internal Medicine نشان میدهد که CBT(cognitive behavioral therapy) مربوط به درد که توسط هوش مصنوعی پشتیبانی میشود، همان نتایج برنامه‌های توصیه شده توسط دستورالعمل‌هایی که به وسیله درمانگران ارائه می‌شوند را به دنبال دارد، همچنین زمان درمانی کمتر این برنامه، درمان به این شیوه را در دسترس‌تر میکند.
? جان پیت(John D. Piette)، استاد دانشکده بهداشت عمومی دانشگاه میشیگان و دانشمند ارشد تحقیقاتی در اداره کهنه سربازان می گوید: "درد مزمن فوق‌العاده شایع است: کمردرد، آرتروز، سردردهای میگرنی و موارد دیگر. به علت وجود درد، افراد کار خود را از دست می‌دهند، افسردگی می‌گیرند حتی برخی افراد بیشتر از حد سالم الکل می‌نوشند در واقع درد مزمن یکی از عوامل اصلی اپیدمی مواد مخدر است."
? سپس او ادامه داد: "ما در مورد نتایج این مطالعه بسیار هیجان‌زده هستیم، زیرا توانستیم نشان دهیم که می‌توانیم به نتایجی در درد دست یابیم که حداقل به خوبی برنامه‌های درمانی رفتاری-شناختی استاندارد و حتی شاید بهتر آن ها باشند. و ما این کار را با زمانی کمتر از نیمی از زمان عادی رویکرد توصیه شده توسط راهنمای درمانگران انجام دادیم."
به طور سنتی، CBT توسط یک درمانگر در 6 تا 12 جلسه حضوری هفتگی ارائه میشود که رفتارهای بیماران را هدف قرار میدهد، به آنها کمک میکند تا از نظر ذهنی کنار بیایند و به آنها در بازیابی عملکرد کمک کند.
? پیت(Piette) در ادامه می گوید: "متاسفانه بسیاری از افراد مبتلا به درد به این برنامه‌ها دسترسی ندارند و جلسات متعدد هفتگی برای افرادی که خواسته‌های رقابتی مانند شغل و مسئولیت‌های خانوادگی دارند، یک مشکل بزرگ است."
او افزود: "در نتیجه، برخی از بیماران برای درمان علائم خود تنها به دنبال دارو هستند یا به سادگی قبل از دستیابی به مزایای درمان مراقبت را ترک میکنند."
? در این مطالعه پیت و همکارانش 278 بیمار مبتلا به کمردرد مزمن را انتخاب کردند و آنها را به طور تصادفی به دو گروه تقسیم کردند. یک گروه CBT استاندارد را از طریق ده جلسه تلفنی 45 دقیقه ای با یک درمانگر دریافت کردند. گروه دیگر درمان مبتنی بر هوش مصنوعی را دریافت کردند که در آن علائم خود را از طریق تماس‌های خودکار روزانه مختصر گزارش کردند. بر اساس عملکرد آنها، برنامه مبتنی بر هوش مصنوعی میتواند یک جلسه درمانگر 45 دقیقه ای یا 15 دقیقه ای یا حتی یک جلسه کاملاً خودکار که محتوای مشابه را پوشش میدهد اما بدون نیاز به حضور درمانگر است را به بیمار توصیه میکند.
? پیت(Piette) گفت: "در سه ماهگی، شدت درد و تداخل درد بیماران به همان اندازه با برنامه پشتیبانی شده با هوش مصنوعی خوب بود، و در شش ماهگی، تعداد قابل توجهی از بیماران در گروه تحت حمایت هوش مصنوعی پیشرفت‌های بالینی مهمی در نتایج خود داشتند."
82 درصد از بیماران این مطالعه در گروه AI-CBT تمام 10 هفته درمان را تکمیل کردند، در مقایسه با 57 درصد از بیمارانی که تنها 10 هفته مشاوره تلفنی توسط یک درمانگر دریافت کردند.
? پیت(John D. Piette) ادامه داد: "علیرغم دریافت هفته‌های بیشتر درمان، برنامه پشتیبانی‌شده با هوش مصنوعی کمتر از نیمی از زمان درمانگر را مصرف می کند، به این معنی که می‌توانیم تعداد بیمارانی را که می‌توان با همان تعداد پزشک معالجه کرد، دو برابر کرد. این یافته میتواند تأثیر چشمگیری بر نحوه تفکر ما در مورد ارائه روان‌درمانی برای افراد مبتلا به درد داشته باشد."
? پیت(Piette) گفت: "رویکردهای مشابه CBTبرای سایر مشکلات رایج نیز مانند افسردگی، اضطراب و استرس پس از سانحه استفاده میشود. او گفت که این رویکرد جدید میتواند این خدمات را با وجود کمبود درمانگر، بسیار در دسترس‌تر کند."
? او در انتها افزود: "هوش مصنوعی میتواند کمک کند که چگونه می‌توان به هر فرد به اندازه‌ای که نیاز دارد توجه کرد، در حالی که تضمین میکند که ما منابع کمیاب را برای بیمارانی که از آنها سود نمی‌برند خرج نمی‌کنیم. همه به یک اندازه به زمان درمانگر نیاز ندارند؛ برخی به زمان بیشتری نیاز دارند، در حالی که سایر بیماران می توانند با برنامه ای سبک تر به مزایای مربوطه دست یابند. هوش مصنوعی می تواند به ما کمک کند تا خدماتی را که می توانند بیشترین کمک را در آن داشته باشند، هدف قرار دهیم."
✍️مترجم: آرش سلطانی
?منبع: Jama Internal Medicine
?تاریخ: August, 2022
#Artificial_Intelligence
#Pain
#Opioids
#Addiction
#CBT
#Jama_Internal_Medicine
