Acceptability and implementation feasibility of a mobile application powered by generative artificial intelligence for mental health screening and referral in Uganda

Technische Samenvatting: Aanvaardbaarheid en Implementatiehaalbaarheid van een Generatieve AI Mobiele Applicatie voor Mentale Gezondheid in Oeganda

Probleemstelling

Oeganda kampt met een kritieke mentale gezondheidscrisis, waarbij naar schatting 14 miljoen mensen worden getroffen door depressie en angststoornissen. Deze last wordt verergerd door een ernstig tekort aan specialisten (ongeveer één psychiater per miljoen mensen), beperkte financiering (1% van het nationale gezondheidsbudget) en wijdverbreide stigmatisering. Hoewel digitale gezondheidstools en AI-gestuurde interventies wereldwijd veelbelovend zijn, is er een gebrek aan bewijs met betrekking tot de aanvaardbaarheid en implementatiehaalbaarheid in lage-inkomensomgevingen in Afrika. Bestaande AI-mentale gezondheidstools zijn voornamelijk ontwikkeld voor hoog-inkomenslanden met een Engelstalige, westerse populatie, wat zorgen oproept over culturele geschiktheid, algoritmische bias en prestaties in lokale talen. Bovendien vormen infrastructurele beperkingen zoals onbetrouwbaar internet, hoge datakosten en beperkt smartphonebezit de rechtvaardige toegang in de weg.

Methodologie

Deze studie maakte gebruik van een mixed-methods proof-of-concept design uitgevoerd tussen januari en mei 2026 in Kampala, Oeganda.

• Deelnemers: Een doelgerichte steekproef van 50 deelnemers werd geworven, bestaande uit 25 leden van het algemene publiek en 25 zorgverleners (inclusief psychiaters, psychiatrisch klinisch officieren, verpleegkundigen en medisch officieren).
• Interventie: De studie evalueerde een generatieve AI-gestuurde mobiele applicatie ontworpen voor mentale gezondheidsscreening, zelfzorg en doorverwijzing.
  • Technische Architectuur: De app maakt gebruik van een Large Language Model (LLM) geïntegreerd met gevalideerde screeningsinstrumenten: de Patient Health Questionnaire (PHQ-4, PHQ-9) en de Generalized Anxiety Disorder scale (GAD-7).
  • AI-mechanisme: In tegen plaats van traditionele regelgebaseerde chatbots, gebruikt het systeem een op documenten gebaseerd kennissysteem. Het haalt en interpreteert vooraf ingevoerde protocolinformatie (PHQ/GAD-richtlijnen) om dynamische, contextgevoelige en natuurlijke taalreacties te genereren. Hoewel het systeem is ontworpen om reacties te construeren op basis van een gecureerde set bestanden in plaats van afhankelijk te zijn van het internet om de tekst zelf te genereren, vereist de applicatie nog steeds internetverbinding voor gegevensoverdracht en interactie, een afhankelijkheid die expliciet is geïdentificeerd als een belangrijke barrière voor de implementatie.
  • Veiligheidsfuncties: De applicatie bevat automatische doorverwijzingslogica voor ernstige symptomen, inclusief een automatische belfunctie naar nabijgelegen zorginstellingen in gevallen van suïcidaliteit. Het is expliciet geen diagnostisch of voorschrijvend instrument.
  • Beveiliging: Gegevens worden beschermd via Transport Layer Security (TLS 1.2+) en AES-256 encryptie in rust. Gebruikersidentificatie wordt geminimaliseerd door gebruik te maken van mobiele nummers als unieke identifiers met optionele naamregistratie.
• Gegevensverzameling: De studie maakte gebruik van een pre-post implementatiebeoordeling.
  • Kwantitatief: Baseline en endline enquêtes maten percepties, aanvaardbaarheid en gebruikspatronen.
  • Kwalitatief: Sleutelinformantinterviews (KIIs) en open feedback werden uitgevoerd om gebruikerservaringen en barrières te verkennen.
• Analytische kaders:
  • Aanvaardbaarheid: Geëvalueerd met behulp van het Technology Acceptance Model (TAM), met de focus op Waargenomen Nuttigheid (PU) en Waargenomen Gebruiksgemak (PEOU).
  • Haalbaarheid: Beoordeeld met behulp van Bowens haalbaarheidsframework, dat vijf domeinen beslaat: vraag, implementatie, praktische bruikbaarheid, integratie en expansie.

Belangrijkste Resultaten

De studie toonde een hoge aanvaardbaarheid en haalbaarheid aan, hoewel significante infrastructurele barrières blijven bestaan.

1. Aanvaardbaarheid (TAM-bevindingen):

• Waargenomen Nuttigheid: Na implementatie vond 95,6% van de deelnemers uit het algemene publiek de informatie relevant voor hun behoeften, en 90,9% gaf aan de applicatie aan te bevelen. Zorgverleners zagen de tool als een waardevol beslissingsondersteunend mechanisme dat de werkdruk vermindert en de diagnostische nauwkeurigheid voor niet-specialisten verbetert.
• Waargenomen Gebruiksgemak: 90,9% was het erover eens dat de functies gemakkelijk te gebruiken waren, en 77,3% kon de app zonder hulp van derden gebruiken. Echter, technische problemen (repetitieve vragen) en taalbarrières (Engelstalige interface) werden als wrijvingspunten gemeld.

2. Haalbaarheid (Bowen Framework-bevindingen):

• Vraag: Er was een substantiële latente vraag; 100% van de baseline-deelnemers uitte de bereidheid om de app te gebruiken. Na implementatie gebruikte 56,7% van het algemene publiek de app voor screening of zelfzorg binnen één maand.
• Implementatie: De primaire barrières die werden geïdentificeerd waren internetafhankelijkheid, hoge mobiele datakosten en een gebrek aan meertalige functionaliteit. 40% van de endline-deelnemers noemde databestanden als een grote hindernis.
• Praktische Bruikbaarheid: De app werd als praktisch beschouwd voor klinische en gemeenschappelijke settings, waarbij 45,45% van de gebruikers een screeningssessie in 5–10 minuten voltooide.
• Integratie: 96% van de deelnemers gaf bij de baseline de voorkeur aan het koppelen van de app aan zorginstellingen. Bij de endline had 36,4% van de gebruikers een door de app aanbevolen doorverwijzing opgevolgd.
• Expansie: 100% van de deelnemers was bereid de app aan anderen aan te bevelen. Echter, 76% van de baseline-deelnemers gaf aan dat bilinguale functionaliteit (Engels + lokale talen) essentieel is voor een bredere reikwijdte.

Belangrijkste Bijdragen

• Contextuele Validatie: Dit is de eerste studie die een generatieve AI-gestuurde mentale gezondheidstool specifiek binnen de Oegandese context heeft geëvalueerd, wat bewijs levert dat dergelijke technologieën aanvaardbaar en haalbaar kunnen zijn in omgevingen met beperkte middelen.
• Toepassing van Generatieve AI: De studie demonstreert het nut van LLM's bij het leveren van gestructureerde, protocolgebaseerde mentale gezondheidsscreening (PHQ/GAD) met de flexibiliteit van natuurlijke taalconversatie, waarmee zij verder gaan dan rigide beslisboom-chatbots.
• Ondersteuning van Taakdeling (Task-Sharing): De bevindingen suggereren dat de tool effectief kan bijdragen aan taakdeling door niet-gespecialiseerde zorgverleners en het algemene publiek in staat te stellen initiële screenings en zelfzorg uit te voeren, wat potentieel de druk op schaarse specialistische middelen kan verlichten.
• Implementatie-inzichten: Het onderzoek identificeert specifieke, actiegerichte barrières voor opschaling in sub-Sahara Afrika, namelijk de noodzaak voor offline mogelijkheden, zero-rated datatoegang en lokalisatie naar lokale talen.

Betekenis en Claims

Het artikel beweert dat een generatieve AI-gestuurde mobiele applicatie een haalbare en zeer aanvaardbare oplossing is voor mentale gezondheidsscreening, zelfzorg en doorverwijzing in Oeganda. De auteurs stellen dat de applicatie veelbelovend is voor:

• Vermindering van Stigma: Door anonimiteit en privacy te bieden, moedigt de tool zelfonthulling aan bij individuen die terughoudend zijn om fysieke zorg te zoeken.
• Verbetering van Toegang: Het adresseert structurele barrières zoals reiskosten, wachttijden en tekorten aan specialisten.
• Versterking van Niet-Specialistische Zorg: Het dient als een capaciteitsopbouwende bron voor zorgverleners, door gestructureerde begeleiding te bieden en de cognitieve belasting te verminderen.

De auteurs behouden echter een bescheiden standpunt met betrekking tot schaalbaarheid. Zij concluderen dat hoewel de proof-of-concept succesvol is, de succesvolle opschaling afhankelijk is van het aanpakken van structurele barrières gerelateerd aan internetconnectiviteit, datakosten, taal toegankelijkheid en smartphonebezit. Het artikel stelt expliciet dat grotere studies nodig zijn om de langetermijneffectiviteit, kosteneffectiviteit en integratie in routinematige gezondheidssystemen te evalueren voordat een brede nationale uitrol kan plaatsvinden.