Die steigenden Bedürfnisse im Bereich der psychischen Gesundheit sind in den USA auffällig, wo einer von fünf Menschen mit einer psychischen Erkrankung lebt und die Suizidraten in den letzten zwei Jahrzehnten um mehr als 30% gestiegen sind. Organisationen wie die National Alliance on Mental Illness (NAMI) sahen zwischen 2019 und 2021 einen Anstieg von 60% bei Hilfesuchenden, denen sie kostenlose Unterstützung in Krisensituationen anbieten.
Um diesem Anstieg zu begegnen, wenden sich Organisationen und Gesundheitsdienstleister digitalen Tools zu. Technologieplattformen wie Krisenhotlines, Text- und Online-Chat-Linien haben geschultes Personal hinzugefügt, um Patienten in Krisensituationen zu unterstützen. Dennoch bleiben die abgebrochenen Anrufquoten für solche Organisationen nach wie vor hoch, und die meisten Dienste sind von den Klinikern der Anrufer isoliert. Ein wesentlicher Faktor für diese hohe Abbruchquote ist die große Nachfrage der Patienten, die die verfügbaren Mitarbeiter übersteigt.
Die Forschungsarbeit von Swaminathan und Lopez, Stanford-Medizinstudenten, führte zur Entwicklung eines maschinellen Lernsystems namens Crisis Message Detector 1 (CMD-1), das kritische Nachrichten identifizieren und automatisch priorisieren kann. Dies hat die Wartezeiten für Patienten von über 10 Stunden auf unter 10 Minuten reduziert. Die Anwendung von CMD-1 in Situationen, wo Geschwindigkeit entscheidend ist, führt zu einer höheren Effizienz bei der Bewältigung von Krisenfällen, und Ressourcen können effektiver zugewiesen werden.
Der Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen in der Gesundheitsversorgung wird durch solche Ergebnisse wie die von CMD-1 immer relevanter. Die Entwickler betonen die Notwendigkeit einer engen Zusammenarbeit zwischen Datenwissenschaftlern und Gesundheitsdienstleistern, um sicherzustellen, dass die Modelle die klinischen Herausforderungen adäquat lösen und nahtlos in bestehende klinische Abläufe integriert werden können. Das einzigartige interdisziplinäre Team hinter CMD-1 zeigt auf, wie Technologie genutzt werden kann, um die Arbeit von Klinikern zu unterstützen und die Gesundheitsversorgung insgesamt zu verbessern.