Geistige Gesundheitsprobleme sind inmitten der Pandemie klarer in den Fokus gerückt. Depression wurde endemischaber es immer noch zu bleibt oft unentdeckt. Selbst wenn dies der Fall ist, Gesundheitsdienstleister kämpfen, um die Nachfrage zu befriedigen. Zwei Ingenieurinnen – die beide Depressionen hatten und Schwierigkeiten hatten, eine Therapie zu finden – dachten, die Antwort könnte darin bestehen, Medizinern zu helfen, Depressionen zu erkennen.
Kintsugi ist ein Startup, das Technologie einsetzen möchte, um das Problem zu lösen. Mitbegründerin und CEO Grace Chang sah dies als Zugangsproblem an: Beide Gründer hatten Depressionen und fanden es schwierig, Kliniker zur Hilfe zu bewegen, was sie dazu veranlasste, aus ihrer Perspektive als Ingenieure darüber nachzudenken.
Sie dachten, wenn es möglich wäre, die Menschen zu identifizieren, die am dringendsten eine Therapie benötigen, wäre es einfacher, das Ziel zu erreichen, diese Menschen zu einer geeigneten Behandlung zu führen. Also haben Chang und Mitbegründerin Rima Seiilova-Olson eine API entwickelt, um Depressionen durch die Stimme zu erkennen.
„Wir haben dies als ein Infrastrukturproblem gesehen, bei dem so viele Menschen versuchen, durch diese Haustür zu drängen, aber nicht viel Sichtbarkeit darüber, wer schwer depressiv ist und wer sich in dieser niedrigen bis mittelschweren Phase befindet. Und wenn wir diese Informationen diesen Praktizierenden zur Verfügung stellen können, können wir das spezifische Problem wirklich tiefgreifend beeinflussen“, sagte sie.
Warum Stimme?
Menschen, die sich traurig fühlen, neigen dazu, eine flache Stimme zu haben, etwas, das Kliniker beobachten dies seit Jahrzehnten. Dies gilt unabhängig von Sprache oder Kultur und scheint laut Seiilova-Olson eine universelle menschliche Reaktion auf Depressionen zu sein.
„Psychomotorische Retardierung ist der Prozess der Verlangsamung von Gedanken- und Muskelbewegungen. Und es ist universell, egal wo man geboren ist oder welche Sprache man spricht“, sagte sie.
Psychiater, die schwer depressive Patienten beobachten, bemerken dieses Symptom, stellte Seiilova-Olson fest. Kintsugi versucht, mithilfe von Technologie ein maschinelles Lernmodell mit viel mehr Proben zu erstellen, als ein einzelner Kliniker in seinem Leben sehen könnte. Die Lösung misst die Wahrscheinlichkeit einer Depression auf der GAD-7-Skala (0-21), wobei null gut und 21 stark depressiv ist. Nachdem ein Patient die Erlaubnis erteilt hat, kann der Kliniker basierend auf der Punktzahl sofortiges Feedback erhalten. Der Score, der Teil der Patientennotizen wird, ist nach Angaben des Unternehmens durch das Arztgeheimnis geschützt.
„Unser neuronales Netzwerkmodell wurde mit Zehntausenden von depressiven Stimmen trainiert. Es kann also wie eine Gruppe von Psychiatern sein, aber es ist viel empfindlicher. Es kann es sogar aufnehmen, wenn die Depression auf einem leichten oder mittelschweren Niveau ist“, sagte sie.
Depressionen waren schon vor der Pandemie weit verbreitet. Das Berichte der Weltgesundheitsorganisation dass 5 % der Erwachsenen weltweit an klinischer Depression leiden. Das sind 280 Millionen Menschen. Es ist die häufigste Ursache für Behinderungen auf der Welt, und das muss nicht so sein.
Die WHO berichtet, dass alle Formen von Depressionen – ob leicht, mittelschwer oder schwer – behandelbar sind, wenn sie erkannt werden. Aber zu oft leiden Menschen mit Depressionen im Stillen und suchen keine Hilfe für ihren Zustand. Ein Artikel aus dem Jahr 2017 veröffentlicht im SSM Population Health Journal zitiert eine Studie aus dem Jahr 1999, die herausfand, dass zwei Drittel der Depressionsfälle in den USA nicht diagnostiziert werden.
Dies ist umso tragischer, wenn man bedenkt, dass sich laut WHO jedes Jahr 700.000 Menschen an Depressionen das Leben nehmen. Zu den Problemen, Menschen in Behandlung zu bringen, gehört der Mangel an geschultem Fachpersonal, das bei der Diagnose hilft, und die Tatsache, dass Mediziner dieses Problem in der Regel nur angehen, wenn Patienten Symptome melden, was unzuverlässig sein kann.
Suche nach einer Datenquelle
Bevor Chang und Seiilova-Olson ein Modell bauen konnten, um Depressionen durch Stimme zu erkennen, brauchten sie Daten. Im ersten Schritt wurden rund 200 Psychologen, Psychiater und Kliniker befragt. Durch ihre Recherchen lernten sie, dass das Tagebuchschreiben eine gute Möglichkeit für Menschen ist, ihre Gefühle zu sortieren.
Also haben sie als erstes eine kostenlose Voice-Journaling-App namens Kintsugi entwickelt. Damit konnten sie auf Tausende von Sprachbeispielen zugreifen, mit denen sie das Modell darauf trainierten, wie sich eine depressive Stimme anhört.
Wenn Sie sich hier Sorgen um den Datenschutz machen, weisen die Nutzungsbedingungen darauf hin, dass die Daten für Forschungszwecke verwendet werden könnten. Aus Sicherheitsgründen werden Einträge während der Übertragung und im Ruhezustand verschlüsselt, aber sie können auch öffentlich geteilt werden, wenn die Leute dazu geneigt sind. Darüber hinaus sagte Chang, dass sie sich bewusst im Voraus dafür entschieden haben, keine Verarbeitung natürlicher Sprache zu verwenden, was die Inhalt der Zeitschriften aus der Gleichung. Ihr Ziel war einfach zu verstehen, wie die Leute sprachen, und nicht, was sie sagten, was für das Problem, das sie zu lösen versuchten, wirklich nicht relevant war.
Chang sagte, dass dies drei Probleme löste. Zunächst einmal mussten sie sich keine Sorgen um den Schutz der Privatsphäre ihrer einzelnen Benutzer machen, da die Inhalte nicht das Ziel ihrer Recherche waren. Es vereinfachte auch die zugrunde liegende Technologie und ermöglichte es ihnen, sich auf den Aufbau eines Bewertungssystems zu konzentrieren, das auf dem Muster in der Stimme basiert. Schließlich ermöglichte ihnen die Verwendung von Mustererkennung, sprachagnostisch zu sein – es spielte keine Rolle, was die Leute sagten oder welche Sprache sie sprachen.
Aufbau der Lösung
Die Gründer haben lange und intensiv darüber nachgedacht, wie sie diese Lösung in eine klinische Umgebung integrieren können, und sie haben sich entschieden, eine API zu entwickeln, die mit dem Abschnitt für klinische Notizen der elektronischen Patientenakte des Patienten verbunden ist.
Patienten werden manchmal gebeten, ihren eigenen psychischen Gesundheitszustand als Teil des Patientenaufnahmeprozesses zu beurteilen, aber sie beurteilen ihren Zustand oft nicht genau. Hier kommt die Lösung von Kintsugi ins Spiel.
„Wir haben eine API, die nur eine Softwareschicht ist, die in klinische Callcenter und Telemedizinanwendungen integriert ist … und es ist für Krankenschwestern und Pflegemanager, wenn sie ihre ausgehenden Anrufe an Patienten tätigen, in diesem kurzen Zeitfenster zu verstehen, wenn überhaupt der Patient mit einem verhaltensbedingten Gesundheitsproblem zu kämpfen hat und ob der Patient Schwierigkeiten hat, diesem Patienten Informationen darüber zu geben, welche verschiedenen Arten von Pflege ihm oder ihr zur Verfügung stehen“, erklärte Chang.
Das Unternehmen weist darauf hin, dass es zwar mit der US-amerikanischen Food and Drug Administration für das zusammenarbeitet, was genannt wird De Novo-Zulassung, Die Lösung wird als Clinical Decision Support Tool unter dem gekennzeichnet Heilmittelgesetz des 21. Jahrhunderts. Solche Support-Tools bedürfen keiner expliziten FDA-Zulassung, sagten mir die Gründer.
Kintsugi führte auch eine klinische Studie durch und ist dabei, einen Artikel in einem Peer-Review-Journal mit der University of Arkansas for Medical Sciences (UAMS) zu veröffentlichen, wollte aber bis zur offiziellen Ankündigung keine Details teilen.
Die beiden Gründer haben sich 2019 bei einem Hackathon kennengelernt und waren begeistert, bei einem solchen Event, das eher von Männern besucht wird, eine andere Frau zu treffen. Sie verband eine gemeinsame Liebe zum Programmieren und ihre ähnlichen Einwanderungserfahrungen: Chang wuchs in Taiwan auf, während Seiilova-Olson in Kasachstan aufwuchs.
Als sie sich kennenlernten, stellten sie fest, dass jeder Schwierigkeiten hatte, eine psychiatrische Versorgung zu finden, wenn er sie brauchte, und begannen, die Idee zu untersuchen, eine Lösung zu entwickeln, um zu helfen. Sie haben letztes Jahr eine erste Startrunde in Höhe von 8 Millionen US-Dollar aufgebracht, um das Produkt zu entwickeln, und Anfang dieses Jahres weitere 20 Millionen US-Dollar für die Serie A.
Das Sammeln von Spenden, da zwei Gründerinnen mit Migrationshintergrund ihre eigenen einzigartigen Herausforderungen darstellten, sagte Chang. „Das Hindernis für Frauen ist, dass man keine Geschichte all dieser Dinge malen kann, die man tun wird. Sie müssen diese Dinge bereits erledigt haben, damit die Leute in Sie investieren, und deshalb denke ich, dass das eine ziemliche Herausforderung ist, wahrscheinlich nicht nur für Frauen, sondern für Minderheiten im weiteren Sinne, würde ich mir vorstellen“, sagte sie.
Sie sind nicht allein in diesem Raum. Ellipsis Health, Sonde Health, Vocalis Health und Winterlight Labs arbeiten an ähnlichen sprachbasierten Lösungen zur Erkennung psychischer Erkrankungen. Einige dieser Unternehmen haben Probleme festgestellt, konsistente Ergebnisse über verschiedene hinweg bereitzustellen Dialekte und Demographieaber die Gründer von Kintsugi glauben, dass ihr Ansatz diese Probleme überwindet.
Kintsugi hat bereits Verträge mit einigen großen Gesundheitsunternehmen und arbeitet daran, darauf aufzubauen.