DUGi

Evaluación clínica de una herramienta de mHealth (TDApp) que utiliza la inteligencia artificial para formular recomendaciones terapéuticas individualizadas y automatizadas en pacientes con Trastorno por Déficit de Atención con Hiperactividad (TDAH)

http://dugi.udg.edu/item/http:@@@@hdl.handle.net@@10256@@28633

ENG- Clinical practice guidelines (CPGs) are key tools for translating scientific evidence into clinical practice, but they have limitations, especially in highly heterogeneous disorders such as ADHD, where comorbidities and the variety of available treatments complicate their application. To overcome these barriers, this thesis presents the APPRAISE-RS methodology, a recommendation system that automates and personalizes therapeutic recommendations based on available evidence, implemented in the tool TDApp. This tool assists professionals in selecting treatments tailored to each patient, taking into account their characteristics and preferences. The clinical development of TDApp included three studies: an in silico study with simulated data and two clinical studies with real patients, comparing the recommendations generated by TDApp with existing CPGs and clinical prescriptions. The results show that TDApp produces more varied and personalized recommendations than CPGs, with high concordance in at least one drug when issuing “in favor” recommendations. In addition, the tool was well received by patients and families, who highlighted its clarity and ease of use. In clinically complex patients, TDApp issued fewer “in favor” recommendations, probably due to limited evidence, although no clear relationship between complexity and recommendation diversity was identified. Overall, the results indicate that TDApp is a reliable and useful tool for shared decision-making, supporting a more personalized and person-centered therapeutic approach

CAT- Les guies de pràctica clínica (GPC) són eines clau per portar l’evidència científica a la pràctica clínica, però presenten limitacions, especialment en trastorns amb alta heterogeneïtat com el TDAH, on les comorbiditats i la varietat de tractaments compliquen la seva aplicació. Per superar aquestes barreres, aquesta tesi presenta la metodologia APPRAISE-RS, un sistema de recomanació que automatitza i personalitza les recomanacions terapèutiques basant-se en l’evidència disponible, implementada en l’eina TDApp. Aquesta eina ajuda els professionals a seleccionar tractaments adaptats a cada pacient, tenint en compte les seves característiques i preferències. El desenvolupament clínic de TDApp es va avaluar en tres estudis: un estudi in silico amb dades simulades i dos estudis clínics amb pacients reals, comparant les recomanacions generades amb les GPC existents i amb les prescripcions clíniques. Els resultats mostren que TDApp produeix recomanacions més variades i personalitzades que les GPC, amb alta coincidència en almenys un fàrmac quan emetia recomanacions “a favor”. A més, l’eina va ser ben valorada per pacients i famílies, que van destacar la seva claredat i facilitat d’ús. En pacients amb alta complexitat clínica, TDApp va emetre menys recomanacions “a favor”, probablement per l’escassa evidència disponible, tot i que no es va observar una relació clara entre la complexitat i la diversitat de les recomanacions. En conjunt, els resultats indiquen que TDApp és una eina fiable i útil per a la presa de decisions compartides, afavorint un abordatge terapèutic més personalitzat i centrat en la persona

Programa de Doctorat en Biologia Molecular, Biomedicina i Salut

Universitat de Girona