ONDERZOEK | Artificiële Intelligentie (AI) die helpt voorspellen wanneer mensen met boulimia nervosa en een alcoholgebruiksstoornis eetbuien krijgen en gaan binge-drinken? Onderzoekers aan KU Leuven en de University of California maken het mogelijk.
Onderzoekers van de Mind-Body Research groep van de KU Leuven en de University of California onderzochten de omstandigheden waaronder mensen met boulimia nervosa en een alcoholgebruiksstoornis eetbuien krijgen en gaan binge-drinken. Vervolgens ontwikkelden zij met gebruik van geavanceerde technieken in machine learning en artificiële intelligentie, daar voorspellingsmodellen voor.
Een jaar lang werden van 120 patiënten het eet- en drinkgedrag en emotionele, gedrags- en contextuele factoren bestudeerd. Deelnemers rapporteerden hun gedrag en ervaringen acht keer per dag, op specifieke dagen van de week. Met behulp van machine learning-modellen en artificiële intelligentie zochten de onderzoekers naar patronen en voorspellers van eetbuien en binge drinken. Vervolgens ontwikkelden zij twee soorten voorspellingsmodellen. Zo werden er modellen ontwikkeld op groepsniveau, die gegevens van meerdere patiënten combineren, en modellen die zijn afgestemd op individuele patiënten. De modellen op groepsniveau presteerden over het algemeen beter.
Stap voorwaarts
De belangrijkste voorspellers voor eetbuien en binge drinken bleken een drang om te eten of drinken en het tijdstip van de dag. Daarnaast speelden sociale context en emotionele factoren een belangrijke rol.
"Deze inzichten zijn een belangrijke stap voorwaarts in het begrijpen en aanpakken van de complexiteit van boulimia nervosa en alcoholgebruiksstoornis", zegt onderzoeker Nicolas Leenaerts. “Door gebruik te maken van artificiële intelligentie kunnen we beter voorspellen wanneer eetbuien en binge drinken zullen optreden en effectiever ingrijpen."
Positieve en negatieve emoties
Het onderzoek toonde ook aan dat de sociale context en de emotionele toestand van patiënten verschilden bij eetbuien en binge drinken. Positieve emoties en een sociale situatie bleken meer voorspellend voor binge drinken, terwijl negatieve emoties nauwer verbonden waren met eetbuien.
"Het begrijpen van de context waarin het gedrag optreedt is cruciaal", voegt Leenaerts toe. "Dit inzicht stelt ons in staat tussenkomsten te ontwikkelen die niet alleen op tijd komen, maar ook contextueel relevant zijn en rekening houden met de emotionele toestand van patiënten."
Efficiëntere behandeling
De inzichten zijn van belang voor efficiëntere behandelmogelijkheden zoals just-in-time adaptieve interventies (JITAI), die ondersteuning kunnen bieden wanneer patiënten die het meest nodig hebben. Zo kan een patiënt een smartphone-app gebruiken om zijn emoties en gedrag te rapporteren, waarna een algoritme het risico op eetbuien of binge drinken kan voorspellen. Is het risico hoog, dan kan meteen een waarschuwing worden verzonden, afgestemd op de situatie van de patiënt.
Bron: KU Leuven