对经历创伤性分娩的女性和经历非并发分娩的女性故事的分析，研究人员开发了一种AI模型，可以有效识别那些面临分娩相关创伤后压力症候群（PTSD）风险的女性。麻省总医院（MGH），作为麻省总医院布赖根医疗系统的一部分，进行了一项研究，揭示了这一生成性人工智能（AI）模型通过分析近期分娩经历的叙述账户来准确筛查创伤后压力症候群（CB-PTSD）的潜力。该研究考察了多种OpenAI模型的能力和局限性，包括ChatGPT，并确定了一个特定版本，该版本可以提供有关母亲在经历创伤性分娩后的心理健康的有价值见解。
这个特定模型可以无缝集成到常规产科护理中，并有潜力用于评估其他心理健康状况。研究结果发表于《科学报告》。
MGH产后精神疾病项目的主任Sharon Dekel博士表示：“目前，关于创伤性分娩相关的PTSD的评估主要依赖于广泛的临床评估，这并没有解决快速、成本效益高的评估策略的迫切需求。”与战斗老兵、暴力犯罪受害者和自然灾害幸存者一起。新研究揭示，人工智能驱动的简短患者分娩叙述分析可能有助于检测分娩相关的创伤后压力症候群（CB-PTSD）。这种方法可能被证明是一种成本有效且以患者为中心的方式，用于识别在CB-PTSD风险下的女性，甚至在该状况完全发展之前。研究的首席作者Seng博士认为，随着进一步的研究，这一工具有潜力成为识别和帮助面临CB-PTSD风险女性的重要资源。文章讨论了分娩如何成为PTSD的一个重要触发因素，如果不加以治疗，将对母亲和孩子的健康产生不利影响，并导致显著的社会成本。以往的研究表明，创伤性分娩后的简短心理干预可以减少母亲的PTSD症状。最新的研究，由Dekel和以色列巴伊兰大学的Alon Bartal共同进行，专注于人工干预的有效性。人工智能和机器学习（ML）技术被用来识别CB-PTSD。研究人员具体评估了不同的大型语言模型（LLMs）和ChatGPT的变体在从产后女性提供的简短叙述描述中提取新见解的有效性。团队从1295名最近分娩的女性收集了叙述账户，重点关注OpenAI模型text-embeddings-ada-002，该模型将有和没有CB-PTSD的女性的个人叙述数据进行转换。团队将可能的CB-PTSD转换为数字格式，然后由训练好的机器学习算法进行分析。研究人员发现，该模型在识别产后创伤性压力方面表现得比其他ChatGPT和大型语言模型更好。这些模型通常是在大量数据上进行训练的，以理解和解释自然语言。ML模型依赖于来自OpenAI模型的分娩叙述输入作为其独家数据来源，为在脆弱的产后期间进行数据收集提供了有效的机制。研究表明，该模型在检测CB-PTSD病例方面的灵敏度为85%，特异性为75%。“Dekel说。
“此外，我们创建的模型有潜力通过无缝集成到常规产科护理中，使CB-PTSD的筛查和诊断更加可及，并为商业产品的发展和广泛应用奠定基础。”
Dekel专注于创伤性分娩后女性心理健康的研究，强调了使用预训练的大型语言模型评估新母亲可能的PTSD的临床优势。
“及时干预至关重要，以避免该疾病变得慢性并使治疗更加复杂，”MGH的研究人员表示。
“我们的新方法可以为筛选高风险女性提供一种新颖且经济实惠的方式，并帮助她们及早获得治疗。它也可能有助于诊断其他心理健康状况，从而改善患者结果。”
在医疗保健中使用人工智能是革命性的，并有潜力改变护理提供的方式。麻省总医院布赖根处于这一创新的最前沿，作为全国顶级的学术健康系统之一。最大的创新企业，如MGH，正在领导开展针对新技术和新兴技术的全面研究，以负责任地将AI纳入护理提供、员工支持和行政流程。Dekel，是MGH的心理学家，同时也是哈佛医学院心理学助理教授，与以色列巴伊兰大学的信息系统助理教授Bartal合作进行这项研究。Dekel实验室的其他合著者包括哈佛研究员Kathleen Jagodnik博士和临床研究协调员Sabrina Chan。Dekel的工作得到了NIH（尤妮斯·肯尼迪·施莱弗国家儿童健康和人类发展研究所）提供的资助，资助项目包括R01HD108619, R21HD109546和R21HD100817。
