Artificial intelligence for detecting bipolar disorder in electronic health records of patients with affective diagnoses: a diagnostic accuracy study

Deze studie naar diagnostische nauwkeurigheid evalueerde een op natuurlijke taalverwerking gebaseerd AI-model aan de hand van 500 elektronische gezondheidsdossiers uit een psychiatrisch ziekenhuis in Colombia, waarbij werd aangetoond dat het een hoge overeenkomst vertoont bij het extraheren van klinische domeinen en potentieel heeft om de vroege detectie van bipolaire stoornis te verbeteren bij patiënten met affectieve diagnoses.

De kern

Het Grote Plaatje: Een Naald in een Hooiberg Vinden

Stel je een psychiater voor als een detective die een mysterie probeert op te lossen. De patiënt is een verdachte die zegt: "Ik ben depressief." Maar de detective vermoedt dat het echte verhaal complexer is: de patiënt heeft mogelijk Bipolaire Stoornis, een aandoening waarbij de stemmingen schommelen tussen diepe verdriet en wilde hoogtes (manie).

Het probleem is dat Bipolaire Stoornis vaak verborgen blijft. Wanneer patiënten voor het eerst binnenlopen, praten ze meestal alleen over het "verdrietige" deel, waardoor artsen hen vaak behandelen voor gewone depressie. Dit is als proberen een specifieke naald te vinden in een gigantische hooiberg, maar de naald is gecamoufleerd om er precies uit te zien als het hooi.

Deze studie vroeg zich af: Kan een computerprogramma (Kunstmatige Intelligentie) de medische notities van een patiënt sneller en beter lezen dan een mens om deze verborgen "naalden" op te sporen?

Het Experiment: De AI versus de Menselijke Detective

De onderzoekers namen 500 echte medische dossiers uit een psychiatrisch ziekenhuis in Bogotá, Colombia. Deze dossiers waren in het Spaans geschreven en bevatten rommelige, ongestructureerde notities die door artsen in de loop van de tijd waren geschreven (zoals een lang, zwetsend dagboek van het leven van een patiënt).

Ze gebruikten een AI-tool genaamd Arkangel AI. Denk aan deze AI als een supersnelle, hypergeconcentreerde leesmachine.

• De Menselijke Taak: Een team van deskundige psychiaters las deze dossiers handmatig om de "grondwaarheid" te bepalen (de feitelijke diagnose).
• De AI-Taak: De AI scannde dezelfde dossiers op zoek naar 18 specifieke "aanwijzingen" (symptomen) gerelateerd aan manie en depressie, zoals "zeer weinig slapen", "te snel praten" of "zich onoverwinnelijk voelen".

Hoe de AI de Notities "Lees"

De AI gokte niet zomaar; ze was getraind om naar specifieke patronen te zoeken.

• De Aanwijzingen: Ze zocht naar 9 tekenen van "hoogtes" (zoals prikkelbaarheid of razendsnelle gedachten) en 9 tekenen van "laagtes" (zoals verdriet of energieverlies).
• De Vertaling: Ze veranderde de rommelige, door mensen geschreven notities in een schone, georganiseerde checklist. Als een arts bijvoorbeeld schreef: "Patiënt zegt dat ze al 3 dagen niet heeft geslapen maar zich vol energie voelt," dan vinkte de AI het vakje aan voor "Verminderde behoefte aan slaap".

De Resultaten: Snelheid en Nauwkeurigheid

De studie vergeleek de checklist van de AI met de uiteindelijke oordelen van de menselijke experts.

1. Het Snelheidsrecord
Hier schitterde de AI echt.

• Mensen: Het kostte de menselijke beoordelaars ongeveer 25 minuten om het dossier van één patiënt te lezen en te analyseren.
• AI: De AI deed hetzelfde werk in 0,2 minuten (ongeveer 12 seconden).
• De Analogie: Als een mens een slak is, is de AI een Ferrari. De AI was 120 keer sneller dan de mensen. Ze verwerkte de volledige set van 100 dossiers in de tijd die een mens nodig had om een kop koffie te drinken.

2. De Nauwkeurigheid

• Het Opsporen van de "Naald": De AI was ongelooflijk goed in het vinden van patiënten die wel Bipolaire Stoornis hadden. Ze pakte 96% van de echte gevallen (Sensitiviteit). Ze miste zelden een patiënt die daadwerkelijk de aandoening had.
• Het Vermijden van Valse Alarmen: Ze was ook vrij goed in het zeggen van "Nee" wanneer een patiënt geen Bipolaire Stoornis had, en had het 84% van de tijd goed (Specificiteit).
• Totale Score: Als je de AI een rapportkaart zou geven, zou ze een A+ (0,93 van de 1,0) krijgen.

Waar de AI Struikelde

De AI was niet perfect in elk enkel detail.

• De "Misschien"-Zone: De AI was geweldig in het zeggen "Zeker Bipolaire Stoornis" of "Zeker geen Bipolaire Stoornis". Echter, ze raakte een beetje in de war in het middengebied (de categorieën "Hoge Waarschijnlijkheid" of "Enige Waarschijnlijkheid").
• De Analogie: Stel je voor dat de AI een weerman is. Ze is uitstekend in het voorspellen van "Zonnig" of "Stormachtig". Maar als het gaat om "Deels Bewolkt", heeft ze soms moeite om precies te beslissen welke label het beste past. De menselijke experts waren beter in het maken van die subtiele, genuanceerde oordelen.

De Conclusie: Een Behulpzame Assistent, Geen Vervanging

Het paper concludeert dat deze AI-tool een krachtige screeningsassistent is.

• Ze kan duizenden dossiers lezen in de tijd die een mens nodig heeft om er een paar te lezen.
• Ze kan patiënten markeren die misschien over het hoofd zijn gezien, en fungeert als een "veiligheidsnet" om gevallen van Bipolaire Stoornis op te vangen die anders verborgen zouden blijven in de ruis van een depressiediagnose.

Belangrijke Opmerking: Het paper benadrukt dat deze AI geen vervanging is voor een arts. Het is een hulpmiddel om artsen sneller te laten werken en meer gevallen eerder op te sporen. De uiteindelijke diagnose vereist nog steeds een menselijke expert om het complexe verhaal van het leven van een patiënt te interpreteren.

Kortom: De AI is een supersnelle bibliothecaris die direct de "Bipolaire" boeken kan vinden in een enorme bibliotheek, maar een menselijke expert moet de boeken nog steeds lezen om het volledige verhaal te begrijpen.

Technische samenvatting

Technische Samenvatting: AI voor het Detecteren van Bipolaire Stoornis in Elektronische Gezondheidsdossiers

Probleemstelling
Bipolaire stoornis (BD) is een ernstige, chronische psychiatrische aandoening die vaak onderdiagnosticeerd wordt, met name bij patiënten die aanvankelijk presenteren met depressieve stoornissen. Deze vertraging in de diagnose leidt vaak tot ongeschikte behandeling, een verhoogd suïcidaliteitsrisico en aanzienlijke sociaaleconomische lasten. Hoewel kunstmatige intelligentie (AI) en natuurlijke taalverwerking (NLP) potentie bieden voor vroege detectie door analyse van ongestructureerde klinische gegevens, is er een tekort aan gevalideerde modellen voor elektronische gezondheidsdossiers (EHR's) in het Spaans, vooral in Latijns-Amerikaanse contexten waar middelen voor geestelijke gezondheidszorg beperkt zijn. Bestaande modellen missen vaak externe validiteit in deze populaties of slagen er niet in om de specifieke nuances van klinische verhalen in het Spaans aan te pakken.

Methodologie
Deze studie voerde een retrospectieve analyse uit van de diagnostische nauwkeurigheid met behulp van 500 EHR's van een psychiatrisch verwijsziekenhuis in Bogotá, Colombia (2020–2024). De populatie bestond uit patiënten van ≥18 jaar met basisdiagnoses binnen het spectrum van depressie of angst.

• Modelarchitectuur: Het "Arkangel AI"-model functioneert als een tweestapsysteem.
  1. Informatie-extractie: Met behulp van 18 onafhankelijke prompts met geleide chain-of-thought (CoT)-redenering, extrahert het model binaire (aanwezig/afwezig) gegevens voor 18 vooraf gedefinieerde klinische domeinen (negen manische/hypomanische en negen depressieve) op basis van DSM-5 en MINI-criteria. Deze prompts werden iteratief verfijnd tijdens een pilotfase met beoordeling door psychiaters om fouten in de interpretatie van impliciete verhalen aan te pakken.
  2. Diagnostische inferentie: Een op regels gebaseerd systeem aggregeert de geëxtraheerde symptomen om patiënten te classificeren in vier risicocategorieën: (1) Bevestigde BD, (2) Hoge waarschijnlijkheid van BD, (3) Enige waarschijnlijkheid van BD, en (4) Geen risico.
• Validatie: Een steekproef van 100 dossiers diende als validatieset. De indextest was de classificatie door het AI-model. De referentiestandaard was een onafhankelijke klinische beoordeling door psychiaters met gebruik van DSM-5 en MINI-criteria, met een consensusproces voor het oplossen van discrepanties. Beoordelaars waren verblind voor de modeloutput.
• Statistische analyse: De prestaties werden geëvalueerd aan de hand van sensitiviteit, specificiteit, positief/negatief voorspellende waarden (PPV/NPV), F1-score en het oppervlak onder de Receiver Operating Characteristic-curve (AUC-ROC). De overeenstemming bij symptoomextractie werd gemeten met behulp van Cohen's kappa en Gwet's AC1 om rekening te houden met effecten van hoge prevalentie.

Belangrijkste Resultaten

• Symptoomextractie: Het model bereikte een gemiddelde overeenstemming van 91,1% met klinische beoordelaars over de 18 domeinen. Er werd een hoge overeenstemming waargenomen voor specifieke manische symptomen zoals dringende spraak (97,0%, κ=0,891) en prikkelbaarheid (96,0%, κ=0,891). Een lagere overeenstemming werd genoteerd voor domeinen met een hoge prevalentie of semantisch brede omvang, zoals depressieve stemming en slapeloosheid, grotendeels toegeschreven aan het prevalentieparadox.
• Diagnostische prestaties: In de binaire screeningsopdracht (enig BD-risico versus geen risico) toonde het model:
  • Sensitiviteit: 96,4% (95% BI: 87,7%–99,0%)
  • Specificiteit: 84,4% (95% BI: 71,2%–92,3%)
  • F1-score: 0,92
  • AUC-ROC: 0,932 (95% BI: 0,881–0,975)
• Risicoclassificatie: Het model toonde sterke prestaties bij het onderscheiden van extreme categorieën (Bevestigde BD en Geen risico) met respectievelijk F1-scores van 0,902 en 0,894. De prestaties waren zwakker in de intermediaire categorieën (Hoge en Enige waarschijnlijkheid), waarbij het model en clinici meer overlap en verwarring vertoonden.
• Efficiëntie: Het AI-systeem verwerkte de 100 validatiedossiers in ongeveer 20 minuten, vergeleken met 41,3 cumulatieve uren voor menselijke beoordelaars. Dit vertegenwoordigt een reductie van 99,2% in de analysetijd, of een 120-voudige toename in snelheid.

Betekenis en Claims
De auteurs beweren dat NLP-gebaseerde analyse van Spaanstalige EHR's klinisch betekenisvolle prestaties kan behalen bij het identificeren van symptoompatronen gerelateerd aan BD, terwijl de tijd die nodig is voor beoordeling drastisch wordt verminderd. De studie positioneert het model niet als een autonoom diagnostisch instrument, maar als een klinisch beslissingssteunsysteem dat is ontworpen om:

1. Patiënten te prioriteren: Individuen identificeren met dossiers die symptoomconstellaties bevatten die verenigbaar zijn met bipolariteit en die baat kunnen hebben bij gestructureerde interviews of herbeoordeling door een specialist.
2. Diagnostische vertraging te verminderen: De aanzienlijke vertraging in BD-diagnose aanpakken, vooral in settings met beperkte middelen waar specialistische tijd schaars is.
3. Middelen te optimaliseren: De efficiëntie van het gezondheidssysteem verbeteren door grote volumes ongestructureerde gegevens te triëren.

Het artikel benadrukt dat de grootste kracht van het model ligt in symptoomextractie en niet in categorische diagnostische integratie. Het erkent dat hoewel het model effectief expliciete symptoomvermeldingen identificeert, de interpretatie van hun temporele organisatie en klinische betekenis een complexe taak blijft die menselijk toezicht vereist. De auteurs concluderen dat dergelijke tools het meest effectief zijn binnen een "mens-in-de-lus"-kader, waarbij computationele efficiëntie psychiatrische oordeelsvorming aanvult in plaats van vervangt.

Opgemerkte Beperkingen
De studie erkent beperkingen, waaronder het retrospectieve ontwerp, een steekproef van één centrum (wat de generaliseerbaarheid beperkt), en de afhankelijkheid van routinematig gedocumenteerde verhalen die informatiebias kunnen bevatten. Bovendien is het model niet gevalideerd in andere talen, regio's of gezondheidssystemen, en suggereert de lagere prestatie in risicocategorieën met een gemiddeld niveau dat enige fout voortkomt uit de inherente subjectiviteit van psychiatrische interpretatie en niet uitsluitend uit detectiefouten.