A digitális életvitel okozta mentális terhek még nem egyértelműen bizonyítottak, viszont az online közösségi hálózatok használata összefüggésbe hozható egyes mentális tünetek kialakulásával (Pantic, 2014). A tünetek számának növekedésével egyre többen fordulnak segítséghez is. A mentálhigiénés szolgáltatások iránt támasztott növekvő igényt pedig egyre nehezebb kiszolgálni. A pszichológiai és pszichiátriai kapacitások végesek, sőt, a személyes konzultáció is sok esetben kivitelezhetetlenné vált. Erre válaszként az elmúlt két évben olyan technológiai megoldások születtek, melyek kiegészítik és támogatják a szakterületen dolgozók munkáját, kézenfekvő megoldást nyújtanak a betegséggel rendelkezőknek, és azok számára is előnyösek lehetnek, akik betegségmegelőzés céljából használják őket. De melyek is ezek a technológiai újdonságok, és mi az, amihez, akár azonnal hozzáférhetünk? Íme négy olyan újító megoldás, amelyek uralják a digitális mentális egészségügyet.
1. Online tájékoztató felületek
A technológia legalapvetőbb alkalmazása a tájékoztatás, oktatás és prevenció kapcsán jelentkezik. A közösségi média és online reklámfelületek megfelelőek arra, hogy a mentális egészséggel kapcsolatos ismeretekre neveljen és támogassa az öngondoskodást. Számos olyan véleményvezér és tájékoztatás céljával indított felhasználói fiók van, melyek nap mint nap kínálnak újabb információkat lelki működésünkkel kapcsolatban. Angol nyelven például Nedra Glover Tawwab terapaeuta, szerző lát el Instagram oldalán értékes információkkal. A magyar felhasználók közt is számos ilyen szereplő van, például a Pszichodiák Alapítvány oldala, a LélekKert, a Nyitott Akadémia, ahol híres magyar pszichológusok munkájával ismerkedhetünk meg, vagy a hatalmas népszerűségnek örvendő Mélylevegő Projekt, mely kezdetben a depresszió és szorongással kapcsolatos ismeretterjesztést tűzte ki céljául, mára viszont átfogó tartalmat kínál.
2. Telementális szolgáltatások
A telementális szolgáltatások a mentális betegségkezelés azon eszközeit foglalja magába, melyek az online felületeken zajlanak a pszichológus (vagy más segítő szakember) és a páciens közözött. Egyik példája ennek a teleterápia, azaz a nem gyógyszeres pszichoterápiás gyakorlat, mely akár csoportosan, különböző pszichoterápiás eszközök alkalmazásával is megvalósulhat (pl. művészetterápia, irodalomterápia stb). Egy másik lehetőség a videókonzultáció, mely a valós konzultációtól kizárólag a találkozási felület típusában tér el, azaz átkerül a virtuális térbe, és videó segítségével történik. Nemzetközi szinten ezen a területen már több szolgáltató is megjelent – angol nyelven a Betterhelp és a Talkspace a vezetők, a német nyelvet beszélők számára az Instahelp lehet megoldás –, akik a pszichológiai konzultációk és terápiás ülések szervezését menedzselik, összepárosítva a klienseket a személyes igényeikhez illeszkedő szakemberrel. Magyarország sem marad ki ebből a digitális újdonságból: a Videopszichológus segítségével akár azok is hozzáférhetnek szakmai segítséghez, akik lakóhelyük, időbeosztásuk vagy egészségügyi állapotuk miatt nem engedhetik meg maguknak a személyes üléseket. Ezzel a mentális egészségügyi szolgáltatásnyújtás egy nagyon fontos kihívására nyújt megoldást: áthidalja a szolgáltatások fizikai elérhetőségének problémáját. Az online konzultáció csökkenti a szolgáltatás igénybevételéhez kapcsolódó közlekedési költséget és az ebből fakadó időveszteséget is. Ugyan a telementális szolgáltatások több szempontból is előnyösek lehetnek, súlyos betegek esetében nem nyújtanak kielégítő segítséget. Előfordulhat, hogy egyes páciensek állapota olyannyira előrehaladott, hogy mindennapi szakértői felügyeletre szorulhatnak.
3. Mobilalkalmazások
A virtuális eszközök használatánál maradva fontos megemlíteni a nagy népszerűségnek örvendő mobilalkalmazásokat. Mára több mint 10.000 olyan szoftver áll rendelkezésre, melynek fókuszában a mentális egészségkövetés és betegségmegelőzésre áll (Roland et al., 2020). Az alkalmazások több különböző típusba sorolhatók. Rengeteg meditációs és mentális jóllétet fokozó felület érhető el, melyek közül mindenki megtalálhatja a számára megfelelőt. Ilyenek például a Headspace, a Calm, a Breathevagy a magyar nyelven is elérhető Just Like Buddha. Léteznek továbbá hangulatkövető alkalmazások, például a Moodfit, a Daylio és a Monsenso, melyeknek célja az, hogy dokumentálja a felhasználó hangulatváltozásait. Ezek közül a Daylio inkább személyes felhasználásra használható jobban, a Monsenso pedig a rögzített információ megosztásával kifejezetten a terapeutával való együttműködés könnyítését szolgálja. A hangulatkövető alkalmazások elsősorban a betegállapot felmérését szolgálják, rámutatva az esetlegesen kialakuló problémákra, ezáltal segítve a megelőzést, illetve a betegség életciklust követve a tünetek enyhülése is mérhetővé válik. Végül, de nem utolsó sorban érdemes figyelmet fordítani a mentális egészség megőrzését, gyógyulást segítő mobiljátékokra is. A játékok gyakran szolgálnak stressz-levezetésként az átlagemberek számára, többségük viszont az agresszivitás vagy versengés miatt további frusztrációt okozhat. Ezzel szemben a mentális egészség szolgálatában megalkotott játékok, mint például a My Oasis, kellemes hanghatások és megerősítő üzenetek küldése által, a Viridi pedig egy virtuális kert építése közben kívánja elérni a stresszoldást és a hangulat javítását.
4. A mentális egészség jövője: diagnózis, előrejelzés és prevenció gépi tanulás segítségével
Egy másik lehetőség a mentális egészségügy területén, amelyben a technológiáé a főszerep a diagnózishoz, betegségek előrejelzéséhez kapcsolódik. Az elmúlt időben számos olyan kutatás (Rahman et al., 2020; Chung, Teo, 2022; Vaishnavi et al., 2022) született, amelyek során a különböző mentális állapotok megállapításához a gépi tanulás módszereit hívják segítségül. A gépi tanulás lényege, hogy több különböző bemeneti tényező adatainak elemzése által felvázol egy megfigyelt mintázatot, és a további bemeneti adatot a mintához viszonyítva értékeli vagy csoportosítja a saját szempontrendszere szerint. A bemeneti adatok különböző információtartalommal bírhatnak, például vonatkozhatnak az egyén életkörülményeire, demográfiai jellemzőkre és korábbi betegségekre, a legkorszerűbb technikák pedig már a vizuális információk elemzésére is képesek, közéjük tartoznak az agyi röntgenképek és az arcképek is (Hollis et al., 2015). A legtöbb kutatási eredmény korlátossága a bemeneti adatokban rejlik, melyek miatt a modellek nem alkalmazhatóak átfogóan, ugyanakkor az előrejelzési eredmények, megbízhatósága is hagy még némi kivetni valót maga után.
Technológiai kihívások, fejlődési lehetőségek
Ugyan számos lehetőség rejlik a technológia mentális egészség javára történő felhasználásában, a gyakorlatban tapasztalható pozitív változás eléréséig sok kihívással kell még szembenéznie a terület szakembereinek. Az egyedi alkalmazások használata önmagában nem elegendő, érdemes ezeket ökoszisztéma szintre terjeszteni úgy, hogy egyidejűleg több szereplő is profitálhasson használatukból (Spadaro et al., 2021). Ugyanakkor az újító eszközökkel kapcsolatos kutatói, vállalati és felhasználói tapasztalatok integrálására is szükség van. Ezek által fokozható az eszközök hatékonysága, ami további használatra buzdítja az érintetteket. A legfontosabb pedig az, hogy a technológia megbízható legyen és alkalmazása ne okozzon károkat a felhasználók számára (Roland et al., 2020 alapján).
Források
Chung, J., & Teo, J. (2022). Mental Health Prediction Using Machine Learning: Taxonomy, Applications, and Challenges. Applied Computational Intelligence and Soft Computing, 2022, 1–19. https://doi.org/10.1155/2022/9970363
Hollis, C., Morriss, R., Martin, J., Amani, S., Cotton, R., Denis, M., & Lewis, S. (2015). Technological innovations in mental healthcare: harnessing the digital revolution. British Journal of Psychiatry, 206(4), 263–265. https://doi.org/10.1192/bjp.bp.113.142612
Pantic, I. (2014). Online Social Networking and Mental Health. Cyberpsychology, Behavior, and Social Networking, 17(10), 652–657. https://doi.org/10.1089/cyber.2014.0070
Rahman, R. A., Omar, K., Mohd Noah, S. A., Danuri, M. S. N. M., & Al-Garadi, M. A. (2020). Application of Machine Learning Methods in Mental Health Detection: A Systematic Review. IEEE Access, 8, 183952–183964. https://doi.org/10.1109/access.2020.3029154
Roland, J., Lawrance, E., Insel, T. & Christensen, H. (2020). The digital mental health revolution: Transforming care through innovation and scale-up. Doha, Qatar: World Innovation Summit for Health, 2020.
Spadaro, B., Martin-Key, N. A., & Bahn, S. (2021). Building the Digital Mental Health Ecosystem: Opportunities and Challenges for Mobile Health Innovators. Journal of Medical Internet Research, 23(10), e27507. https://doi.org/10.2196/27507
Vaishnavi, K., Nikhitha Kamath, U., Ashwath Rao, B., & Subba Reddy, N. V. (2022). Predicting Mental Health Illness using Machine Learning Algorithms. Journal of Physics: Conference Series, 2161(1), 012021. https://doi.org/10.1088/1742-6596/2161/1/012021
