...

In het Verenigd Koninkrijk bestaat voor angst en depressie het 'NHS Talking Therapies'-programma. Dat is gebaseerd op zelfverwijzing. Wie met mentale problemen kampt, kan een webformulier invullen om zich hiervoor aan te melden. Een NHS-medewerker bekijkt dan de aanvraag en beoordeelt of de aanvrager in aanmerking komt voor therapie. Bepaalde afdelingen van de NHS gebruiken sinds 2021 Limbic Access, een gepersonaliseerde, op AI gebaseerde chatbot om deze eerste triage te doen. Bezoekers van de website krijgen een pop-up te zien waarin wordt uitgelegd dat Limbic Access een robotassistent is die hen zal helpen psychologische ondersteuning te krijgen. De chatbot gebruikt natuurlijke taalverwerking om de getypte antwoorden van een patiënt te analyseren en gepaste, empathische antwoorden te geven. De chatbot bevraagt symptomen van de patiënt, op basis van vragenlijsten zoals de Patient Health Questionnaire-9 (PHQ-9) en de Generalised Anxiety Disorder Assessment (GAD-7). Het achterliggende probabilistische model gebruikt de gegevens die de patiënt heeft ingevoerd om de antwoorden van de chatbot af te stemmen op het meest waarschijnlijke psychische probleem van de patiënt. Volgens de onderzoekers kunnen de modellen acht veelvoorkomende psychische problemen met een nauwkeurigheid van 93% classificeren. De verzamelde informatie wordt toegevoegd aan het elektronisch patiëntendossier om bij een latere behandeling de therapeut te ondersteunen. Het onderzoek analyseerde gegevens van 129.400 patiënten in 28 afdelingen van de NHS: 14 afdelingen die Limbic Access gebruiken, en als controlegroep 14 afdelingen die werken met klassieke zelfverwijzing via het webformulier en een menselijke beoordeling. De controlegroepen werden gecorrigeerd voor verschillende variabelen, waaronder demografische kenmerken van de deelnemers. De afdelingen die de Limbic Access AI-chatbot gebruikten, vertoonden in de bestudeerde periode een toename van het aantal zelfverwijzingen met 15%, vergeleken met een toename van 6% in dezelfde periode bij de controlegroepen. Het aantal verwijzingen onder minderheidsgroepen, waaronder etnische en seksuele minderheden, nam aanzienlijk toe eenmaal de chatbot beschikbaar was - een stijging van 179% onder mensen die zich als niet-binair identificeerden, 39% voor Aziatische patiënten en 40% voor zwarte patiënten.De onderzoekers verzamelden ook feedback van de gebruikers over de chatbot. Over het algemeen was 89% van de feedback positief. De gebruikers vermeldden verschillende voordelen van de chatbot. Ze vonden dat het doorverwijsproces gemakkelijk, snel en handig was. Ook dat de chatbot op elk moment van de dag beschikbaar is en dat ze het gesprek op hun eigen tempo konden voeren, werd vaak als voordeel aangehaald. Dat er geen menselijke gesprekspartner bij betrokken is, hielp deelnemers ook om zonder angst voor stigmatisering over mentale problemen te spreken. Minpunten waren vooral dat sommige deelnemers sneller met therapie wilden starten, en dat sommige deelnemers het gevoel hadden dat ze onmiddellijk aandacht nodig hadden. De algemene toename in verwijzingen door het gebruik van de chatbot leek geen negatieve invloed te hebben op de wachttijden voor klinische onderzoeken of het aantal behandelingen in de NHS-diensten. Dit geeft aan dat de kwaliteit van zorg gehandhaafd bleef. Een aanvullend onderzoek waarin Limbic Access, een niet specifiek getrainde chatbot en het standaard webformulier werden vergeleken, toonde aan dat de gepersonaliseerde chatbot Limbic Access significant beter presteerde. Bij het interpreteren van de resultaten van het onderzoek is het belangrijk om rekening te houden met bepaalde beperkingen, zeggen de onderzoekers. Zo zijn er misschien culturele verschillen tussen de verschillende 'NHS Talking Therapies'-diensten. Het is mogelijk dat de diensten die gebruik maken van de AI-gebaseerde zelfverwijzingshulp inherent meer open staan voor digitale gezondheidsbenaderingen en innovatie dan andere. Maar de conclusie lijkt toch te zijn dat een chatbot de toegang tot geestelijke gezondheidszorg makkelijker maakt, en dan met name voor minderheden.