مرور نظام مند پیش بینی ریسک افسردگی در بیماران مبتلا به مولتیپل اسکلروزیس (MS) با استفاده از داده های غیرفعال و هوش مصنوعی برای مداخله زودهنگام مبتنی بر درمان پذیرش و تعهد (ACT)

افسردگی یکی از شایع ترین و ناتوان کننده ترین اختلالات همراه در بیماران مبتلا به مولتیپل اسکلروزیس (MS) است که به طور قابل توجهی بر کیفیت زندگی، پایبندی به درمان و پیشرفت بیماری تاثیر منفی می گذارد. روش های سنتی تشخیص افسردگی، متکی بر گزارش های شخصی و ارزیابی های بالینی پراکنده، اغلب با تاخیر و عدم دقت همراه بوده و فرصت مداخله زودهنگام را از بین می برند. این مقاله مروری نظام مند، به واکاوی یک پارادایم نوین در حوزه سلامت روان دیجیتال می پردازد: استفاده از داده های غیرفعال (Passive Data) جمع آوری شده از طریق حسگرهای تلفن های هوشمند و ابزارهای پوشیدنی، به همراه الگوریتم های یادگیری ماشین (Machine Learning) برای پیش بینی آنی و مستمر ریسک افسردگی در بیماران MS. هدف اصلی این پژوهش، تحلیل، طبقه بندی و ارزیابی انتقادی مطالعات انجام شده در این حوزه نوظهور و ترسیم چشم اندازی برای ادغام این سیستم های پیش بینی کننده با مداخلات زودهنگام، به ویژه درمان مبتنی بر پذیرش و تعهد (ACT) است. در این مقاله، ضمن بررسی مبانی نظری و مفهومی پدیده شناسی دیجیتال (Digital Phenotyping)، چالش های روش شناختی، اخلاقی و فنی موجود شناسایی شده و شکاف های پژوهشی کلیدی مشخص می گردد. نتایج این مرور نشان می دهد که الگوهای حرکتی (GPS)، تعاملات اجتماعی (گزارش تماس ها و پیامک ها)، الگوهای خواب و استفاده از تلفن همراه می توانند به عنوان نشانگرهای زیستی دیجیتال (Digital Biomarkers) معتبری برای پیش بینی دوره های افسردگی در بیماران MS عمل کنند. با این حال، نیاز به مطالعات طولی گسترده تر، اعتبارسنجی مدل ها در جمعیت های متنوع بالینی، و توسعه چارچوب های اخلاقی برای حفظ حریم خصوصی بیماران، از جمله مسیرهای پژوهشی آتی است. این مقاله استدلال می کند که تلفیق مدل های پیش بینی کننده مبتنی بر یادگیری ماشین با مداخلات به موقع و شخصی سازی شده ACT، پتانسیل ایجاد انقلابی در مدیریت پیشگیرانه و مراقبت مستمر از سلامت روان بیماران MS را داراست و می تواند منجر به بهبود چشمگیر نتایج بالینی و کیفیت زندگی آنان شود.

کلیدواژه ها:

مولتیپل اسکلروزیس (MS) ، افسردگی ، داده های غیرفعال ، یادگیری ماشین ، پیش بینی ریسک ، مداخله زودهنگام ، درمان مبتنی بر پذیرش و تعهد (ACT)