Depresja poporodowa dotyka nawet 15% osób po porodzie, stanowiąc jedną z najważniejszych, a zarazem często pomijanych trudności zdrowotnych okresu połogu. W czasie, który powinien być radosny i pełen nowych doświadczeń, wiele świeżo upieczonych rodziców zmaga się z bezsennością, stresem oraz licznymi zmianami życiowymi, które mogą pogłębiać ryzyko wystąpienia zaburzeń psychicznych. Badacze z Mass General Brigham w USA postanowili przyjrzeć się temu zagadnieniu z perspektywy nowoczesnych technologii. Opracowali innowacyjny model uczenia maszynowego, który na podstawie ogólnodostępnych danych medycznych i demograficznych z elektronicznej dokumentacji pacjenta potrafi ocenić ryzyko wystąpienia depresji poporodowej.
Depresja poporodowa często nie jest diagnozowana od razu. Standardowo ocena zdrowia psychicznego kobiety odbywa się podczas wizyty kontrolnej 6–8 tygodni po porodzie. Do tego czasu wiele osób może już odczuwać pogłębiające się objawy, takie jak apatia, lęk czy przygnębienie – objawy, które mogą znacząco wpływać nie tylko na samopoczucie matki, ale i na rozwój oraz dobrostan dziecka. Celem zespołu badawczego było stworzenie narzędzia, które umożliwiłoby wcześniejsze wykrycie ryzyka depresji poporodowej – zanim jeszcze pojawią się jej kliniczne objawy.
Zespół pod kierownictwem dr. Marka Clappa z Massachusetts General Hospital przeanalizował dane pochodzące od ponad 29 tysięcy pacjentek, które rodziły pomiędzy 2017 a 2022 rokiem w ośmiu placówkach szpitalnych w systemie Mass General Brigham. Model został „nauczony” na podstawie połowy tej grupy, a następnie jego skuteczność została przetestowana na pozostałych pacjentkach. Wyniki okazały się obiecujące – model potrafił wykluczyć ryzyko depresji poporodowej u 90% pacjentek, a wśród osób zakwalifikowanych jako „wysokiego ryzyka” aż 30% rzeczywiście rozwinęło objawy depresji w ciągu sześciu miesięcy od porodu. To wynik dwukrotnie, a nawet trzykrotnie lepszy niż szacowanie ryzyka na podstawie ogólnych danych populacyjnych.
Jedną z największych zalet opracowanego narzędzia jest jego uniwersalność – niezależnie od wieku, rasy czy pochodzenia etnicznego pacjentki, model działał z podobną skutecznością. Co więcej, badanie przeprowadzono wśród kobiet, które nie miały wcześniej rozpoznanych zaburzeń psychicznych, co dodatkowo potwierdza wartość prognostyczną narzędzia w grupie teoretycznie „niskiego ryzyka”. Zastosowanie już istniejących skal oceny, takich jak Edinburgh Postnatal Depression Scale, również przyczyniło się do zwiększenia trafności przewidywań modelu – sygnalizując, że wykorzystanie kombinacji klasycznych narzędzi klinicznych i sztucznej inteligencji może znacząco usprawnić wczesną diagnozę.
Obecnie trwają prace nad wdrożeniem modelu w praktyce klinicznej. Badacze współpracują z lekarzami, pacjentami i decydentami, aby ustalić, w jaki sposób najlepiej wkomponować informacje generowane przez algorytm w bieżącą opiekę zdrowotną. Kluczowe jest nie tylko potwierdzenie skuteczności modelu w naturalnych warunkach, ale również opracowanie procedur działania w przypadku wykrycia podwyższonego ryzyka – od rozmów wspierających przez dostęp do psychologa, aż po wdrożenie terapii farmakologicznej.
Według dr. Marka Clappa opracowane narzędzie stanowi ważny krok ku bardziej kompleksowej opiece nad zdrowiem psychicznym matek – z nadzieją na to, że przyszłość diagnostyki będzie zarówno nowocześniejsza, jak i bardziej wrażliwa na potrzeby pacjentek. Wczesne wykrycie ryzyka pozwala bowiem nie tylko na szybsze rozpoczęcie leczenia, ale także na ograniczenie rozwoju cięższych postaci zaburzenia i poprawę jakości życia całej rodziny.
Nowoczesne podejście łączące wiedzę medyczną z zaawansowaną technologią to kierunek, który może zrewolucjonizować profilaktykę zdrowia psychicznego – nie tylko w kontekście okresu połogu, ale również w innych newralgicznych momentach życia.