חוקרים התאימו תוכנית בינה מלאכותית (AI) לזיהוי סימנים של הפרעת דחק פוסט טראומטית הקשורה ללידה (CB-PTSD) על ידי הערכת הצהרות נרטיביות קצרות של מטופלות שילדו. התוכנית זיהתה בהצלחה חלק גדול מהמשתתפים שצפויים לסבול מההפרעה, ועם חידודים נוספים – כגון פרטים מתעודות רפואיות ונתוני ניסיון לידה מאוכלוסיות מגוונות – המודל עשוי לזהות אחוז גדול מהאנשים בסיכון. המחקר, שמומן על ידי המכון הלאומי לבריאות, מופיע ב דוחות מדעיים.
ברחבי העולם, CB-PTSD משפיע על כ-8 מיליון אנשים שיולדות מדי שנה, והפרקטיקה הנוכחית לאבחון CB-PTSD דורשת הערכת רופא, שהיא גוזלת זמן ויקרה. לשיטת סקר יעילה יש פוטנציאל לזהות במהירות ובזול מספר רב של חולים לאחר לידה שיכולים להפיק תועלת מאבחון וטיפול. CB-PTSD לא מטופל עלול להפריע להנקה, לקשר עם התינוק ולרצון להריון עתידי. זה גם עלול להחמיר דיכאון אימהי, מה שעלול להוביל למחשבות והתנהגויות אובדניות.
החוקרים העבירו את ה-CB-PTSD Checklist, שהוא שאלון שנועד לסנן את ההפרעה, ל-1,295 אנשים לאחר לידה. המשתתפים סיפקו גם נרטיבים קצרים של כ-30 מילים על חווית הלידה שלהם. לאחר מכן, החוקרים הכשירו מודל בינה מלאכותית לנתח תת-קבוצה של נרטיבים ממטופלים שגם בדקו גבוה עבור תסמיני CB-PTSD בשאלון. לאחר מכן, המודל שימש לניתוח תת-קבוצה שונה של נרטיבים לראיות ל-CB-PTSD. בסך הכל, המודל זיהה בצורה נכונה את הנרטיבים של משתתפים שסביר להניח שיש להם CB-PTSD מכיוון שהם קיבלו ציון גבוה בשאלון.
המחברים מאמינים שעבודתם תוכל בסופו של דבר להפוך את האבחנה של הפרעת דחק פוסט-טראומטית בלידה לנגישה יותר, ולספק אמצעי לפצות על פערים סוציו-אקונומיים, גזעיים ואתניים בעבר.
המחקר נערך על ידי אלון ברטל, Ph.D., מאוניברסיטת בר אילן בישראל, ובהובלת הסופרת הבכירה שרון דקל, Ph.D., מבית החולים הכללי של מסצ'וסטס ובית הספר לרפואה של הרווארד, בוסטון. המימון ניתן על ידי NIH's יוניס קנדי שריבר המכון הלאומי לבריאות הילד והתפתחות האדם (NICHD).
