यह पृष्ठ तुर्की से स्वचालित रूप से अनुवादित किया गया है। मूल पढ़ें

यह पृष्ठ 26वीं विश्व मनोरोग कांग्रेस में प्रस्तुत अध्ययन का कृत्रिम बुद्धिमत्ता की सहायता से तैयार किया गया तुर्की सारांश है। अध्ययन का स्वामित्व इसे प्रस्तुत करने वाले लेखकों के पास है; उद्धरण के लिए मूल स्रोत देखें।

EV0464

LAGUN_स्किज़ोफ्रेनिया: स्किज़ोफ्रेनिया के रोगियों में जोखिमों का पूर्वानुमान लगाने और लक्षणों के तीव्र होने की घटनाओं को कम करने के लिए कृत्रिम बुद्धिमत्ता आधारित प्रणाली

LAGUN_SCHIZOPHRENIA: ARTIFICIAL INTELLIGENCE-BASED SYSTEM FOR PREDICTING RISKS AND MINIMIZING RELAPSES IN PATIENTS WITH SCHIZOPHRENI.

नैदानिक डेटा, रोगियों द्वारा रिपोर्ट किए गए डेटा और पहनने योग्य उपकरणों के डेटा को एकीकृत करने वाले कृत्रिम बुद्धिमत्ता आधारित LAGUN प्लेटफ़ॉर्म का प्रारंभिक नैदानिक उपयोग शुरू हो गया है; इसकी पूर्वानुमान सटीकता और लक्षणों के तीव्र होने पर इसका प्रभाव अभी सत्यापित नहीं हुआ है।

इस अध्ययन का उद्देश्य कृत्रिम बुद्धिमत्ता आधारित एक डिजिटल स्वास्थ्य प्लेटफ़ॉर्म विकसित करना और उसका सत्यापन करना है, जो नैदानिक, व्यवहारिक और शारीरिक डेटा को एकीकृत करके डिजिटल जैवचिह्नों की पहचान करे, प्रत्येक व्यक्ति में लक्षणों के तीव्र होने के जोखिम का आकलन करे और अस्पताल से घर जाने की संक्रमण अवधियों में चिकित्सकों को कार्रवाई योग्य जानकारी प्रदान करे। LAGUN समय के साथ संकलित तीन डेटा स्रोतों को एकीकृत करता है: नैदानिक और संदर्भगत डेटा (प्रारंभिक विशेषताएँ, नैदानिक इतिहास, मनोसामाजिक कारक), रोगी-प्रदत्त डेटा (मोबाइल ऐप के माध्यम से स्वास्थ्य, दैनिक गतिविधियों और उपचार के पालन संबंधी स्व-रिपोर्ट) तथा निष्क्रिय रूप से संकलित डिजिटल जैवचिह्न (पहनने योग्य उपकरण से प्राप्त गतिविधि, नींद और हृदयवाहिकीय माप)। बहु-माध्यमीय डेटा को कृत्रिम बुद्धिमत्ता विश्लेषण मॉड्यूलों में व्यक्तिगत पैटर्न की पहचान, प्रारंभिक स्थिति से विचलनों का पता लगाने और लक्षणों के तीव्र होने के जोखिम का पूर्वानुमान लगाने के लिए संसाधित किया जाता है तथा परिणाम पेशेवरों को वेब-आधारित डैशबोर्ड के माध्यम से उपलब्ध कराए जाते हैं। पायलट कार्यान्वयन में 15 प्रतिभागियों को शामिल किया गया, जिनमें से 9 की निगरानी पहनने योग्य उपकरण से की गई; कुल 481 रोगी-दिवसों की निगरानी हुई और अस्पताल से घर जाने की 147 घटनाएँ दर्ज की गईं। घर पर बिताई गई छुट्टी की अवधियों के लिए डेटा कवरेज 60,7% बताया गया। कार्यान्वयन के दौरान समय के साथ नींद और श्वसन दर के माप सफलतापूर्वक एकत्र किए गए, लेकिन पहनने योग्य उपकरण से प्राप्त कुछ चरों का डेटा अधूरा पाया गया और इस निष्कर्ष का उपयोग डेटा पाइपलाइन को बेहतर बनाने में किया गया। लेखकों ने बताया कि वर्तमान अध्ययन समूह छोटा है और पूर्वानुमान प्रदर्शन तथा लक्षणों के तीव्र होने और दोबारा अस्पताल में भर्ती होने पर प्रभाव के लिए बड़े पैमाने पर सत्यापन आवश्यक है। निष्कर्षतः, यह बताया गया है कि प्लेटफ़ॉर्म का लक्ष्य चिकित्सक-नेतृत्व वाली निर्णय प्रक्रिया को बनाए रखते हुए स्किज़ोफ्रेनिया की निरंतर, पूर्वानुमान-आधारित और व्यक्तिगत आवश्यकताओं के अनुरूप देखभाल में सहायता करना है, और भावी सत्यापन से लक्षणों के तीव्र होने का पूर्वानुमान लगाने तथा उसे रोकने की इसकी क्षमता स्पष्ट होगी।

WCP 2026 के सभी सारांश