AI en de DSM

Van draagbare technologie tot medicijnontwikkeling, van patroonherkenning tot, het voorspellen van een ziektebeloop tot het analyseren van van omvangrijke datasets zoals elektronische patiëntendossiers. AI heeft overal invloed op.

Een recent onderzoekartikel beschrijft dat laatste. Met behulp van AI werden meer dan tienduizend persoonlijke verhalen van mensen met een psychiatrische diagnose geanalyseerd op grond waarvan werd geconcludeerd dat  symptomen zo sterk overlappen dat het eigenlijk onmogelijk is om onderscheid te maken tussen verschillende aandoeningen.

Rommelige werkelijkheid

Het indelen van complexe menselijke ervaringen in overzichtelijke, scherp van elkaar afgebakende hokjes zoals in de DSM doet geen recht aan de vaak rommelige werkelijkheid. Het onderzoek raakt de kern van de debatten over de validiteit en betrouwbaarheid van psychiatrische diagnoses. Al tientallen jaren is in de geestelijke gezondheid geprobeerd de ervaringen van mensen overzichtelijk onder te brengen in talloze categorieën terwijl in werkelijkheid symptomen elkaar overlappen en er ook tot dusver geen bewijs is gevonden dat je op grond van biologische kenmerken de ene stoornis van de andere kunt onderscheiden. Het onderzoek toont aan dat de ervaringen, de symptomen van mensen, zelden passen binnen de door de mens bedachte grenzen van de diagnostische systemen.

Transdiagnostisch

De door middel van AI gevonden uitkomsten zijn een steun in de rug voor de gedachte dat de gebruikelijke diagnostische indelingen niet langer geschikt zijn voor onderzoek en voor de praktijk. In plaats daarvan groeit de steun voor een transdiagnostische benadering die traditionele diagnostische grenzen overschrijdt of zelfs vervangt om nieuwe inzichten te bieden in hoe we het ontstaan en beloop van psychische problemen kunnen begrijpen en hoe we kunnen herstellen van ontwrichtende ervaringen.

In onderstaande animatie leggen we uit hoe bijvoorbeeld de emotie angst door alle DSM-classificaties heen loopt.

Bron:

Ghosh, C. C., McVicar, D., Davidson, G., Shannon, C., & Armour, C. (2024). What can we learn about mental health from 10,933 patient lived experiences using a novel quantitative-qualitative network analysis? Network Science.