Artykuł bazuje na naszej publikacji z 2020 roku, która ukazała się w prestiżowym czasopiśmie PLoS ONE. Tym razem, łącząc analitykę danych z naukami o zdrowiu, zajęliśmy się zdrowiem psychicznym. Postanowiliśmy zbadać, jakie czynniki najmocniej determinują poziom lęku u młodych mężczyzn w obliczu silnego stresu (w tym przypadku zagrożenia konfliktem zbrojnym).
Metodologia: Dlaczego użyliśmy Sztucznej Inteligencji?
Zamiast polegać na tradycyjnych metodach statystycznych, wykorzystaliśmy algorytmy uczenia maszynowego (Machine Learning). Dlaczego? Ponieważ ludzka psychika i styl życia to zbiór tysięcy powiązanych ze sobą zmiennych. Algorytmy AI potrafią dostrzec ukryte wzorce i zależności w ogromnych zbiorach danych psychospołecznych, których ludzkie oko mogłoby nie zauważyć.
Co zbadaliśmy?
Analizie poddaliśmy szeroki zakres danych psychospołecznych, w tym nawyki, poziom aktywności i ogólny stan zdrowia, aby zbudować precyzyjny model predykcyjny:
- Model uczenia maszynowego pozwolił wyłonić kluczowe uwarunkowania (determinanty), które sprawiają, że dana osoba jest bardziej podatna na ciężki stres.
- Badanie udowodniło, że zdrowie psychiczne i fizyczne są ze sobą nierozerwalnie połączone – odpowiednie nawyki i styl życia mogą stanowić bufor chroniący przed nadmiernym lękiem.
Co to oznacza w praktyce terapeutycznej?
Zastosowanie Data Science i algorytmów uczenia maszynowego w zdrowiu publicznym to przyszłość profilaktyki. Dzięki takim modelom specjaliści, w tym terapeuci i fizjoterapeuci, mogą znacznie wcześniej identyfikować osoby z grup wysokiego ryzyka i wdrażać odpowiednie programy wsparcia (zarówno psychologicznego, jak i ruchowego), zanim stres przerodzi się w poważne problemy zdrowotne.
Pavlova I., Zikrach D., Mosler D., Ortenburger D., Góra T., Wąsik J. (2020). Determinants of anxiety levels among young males in a threat of experiencing military conflict—Applying a machine-learning algorithm in a psychosociological study. PLoS ONE, 15(10): e0239749.
