Gebruik van artificiële intelligentie in psychiatrie
Het is geen geheim dat de diagnostiek in de psychiatrie als moeilijk en complex geboekstaafd staat. Implementatie van AI zou hierbij een grote hulp kunnen zijn.
De diagnose van psychiatrische stoornissen is doorgaans gebaseerd op subjectieve beoordelingen en klinische observaties waarbij het soms lang duurt vooraleer een nauwkeurige diagnose wordt gesteld en een effectieve behandeling wordt gestart.
Hoge diagnostische accuraatheid
Met een hoge diagnostische accuraatheid, de optie tot meer gepersonaliseerde behandelingen en vroegtijdige interventies kan de implementatie van AI in de psychiatrie baanbrekende resultaten geven. Hierbij wordt gebruikgemaakt van gegevens afkomstig uit de taal (spraak en geschreven teksten), technische onderzoeken (EEG, ECG en neuro-imaging), fysiologische parameters zoals biomarkers en uit patiëntendossiers. En, hoewel het gebruik in de praktijk nog eerder beperkt is, blijken AI-systemen vaak een hoge nauwkeurigheid te vertonen. Een meta-analyse uit 2025 van 14 studies vond een globale diagnostische nauwkeurigheid van ongeveer 85%, waarbij machine learning-modellen het beste presteerden, gevolgd door hybride en deep learning-modellen.
Er wordt een hoge nauwkeurigheid gemeld voor de vroege detectie van bipolaire stoornissen, schizofrenie, autismespectrumstoornissen, depressie en suïcidaliteit en sommige modellen bereiken in studies een nauwkeurigheid van meer dan 95%.
Brede toepassing
AI kan niet enkel als een (differentiaal) diagnostisch hulpmiddel worden gebruikt, vergelijkbaar met een second opinion, maar eveneens als een voorspellend model om het risico op zelfdoding, een terugval of de respons op een behandeling in te schatten. Verder is er nog een plek als therapeutisch hulpmiddel, zoals in chatbots en virtual reality-toepassingen.
Diagnostiek via EEG
Op EEG gebaseerde machine learning en deep learning kunnen patronen van mensen met schizofrenie, stemmings- en angststoornissen, verslaving, OCD of trauma-gerelateerde stoornissen onderscheiden van die van gezonde controlegroepen met een nauwkeurigheid van 75 tot 95%. Zo wordt schizofrenie geclassificeerd met behulp van theta-band EEG-kenmerken en wordt de detectie van lage alfa- en hoge bèta-golven vaak gebruikt bij de diagnose depressie. EEG-gegevens zijn echter gevoelig voor artefacten, bijvoorbeeld veroorzaakt door oogbewegingen en spieractiviteit, die verwijderd moeten worden om de nauwkeurigheid van de analyse te waarborgen.
Diagnostiek via ECG
Hersenen en hart zijn met elkaar verbonden via het autonome zenuwstelsel, waarin beide elkaars werking indirect beïnvloeden. De verbinding tussen het sympathische en parasympathische zenuwstelsel maakt hier deel van uit waardoor emotionele ervaringen wel degelijk veranderingen in het hartritme teweegbrengen, wat kan worden vastgesteld aan de hand van een ECG.
AI-modellen die gebruikmaken van ECG-tracés zullen in het bijzonder het hartritme, de frequentie maar ook de variabiliteit gebruiken en kunnen zo stress, angst en depressieve gevoelens identificeren.
In de toekomst zullen meer modellen en nog meer data met elkaar gecombineerd worden en zal AI langzaam maar zeker zijn weg vinden in de psychiatrische kliniek.
Bronnen :
1. Rony MKK, Das DC, et al. Artificial intelligence in psychiatry: A systematic review and meta-analysis of diagnostic and therapeutic efficacy. Digit Health. 2025 Mar 28;11:20552076251330528. doi: 10.1177/20552076251330528.
2. Cruz-Gonzalez P, He AW, et al. Artificial intelligence in mental health care: a systematic review of diagnosis, monitoring, and intervention applications. Psychol Med. 2025 Feb 6;55:e18. doi: 10.1017/S0033291724003295.
