De KU Leuven en de Universiteit van Californië Berkeley volgden 120 patiënten gedurende een periode van een jaar. Niet alleen hun eet- en drinkgedrag werd bijgehouden – de deelnemers rapporteerden ook hun emoties, ervaringen en gedragspatronen.

Vervolgens werd artificiële intelligentie losgelaten op al die data om op zoek te gaan naar patronen en voorspellers van problematisch eet- of drinkgedrag. Modellen op groepsniveau, die gegevens van meerdere patiënten samenvoegen, bleken daarbij beter te presteren dan de modellen op het niveau van het individu.

Niet enkel de drang om te eten of te drinken bleek van belang, maar ook het tijdstip van de dag, sociale context en emotionele factoren.

Smartphone-app

De inzichten van het onderzoek maken zogenaamde “just-in-time adaptieve interventies” (JITAI) mogelijk. Die bieden ondersteuning precies op momenten wanneer patiënten die het meest nodig hebben.

“Deze inzichten zijn een belangrijke stap voorwaarts in het begrijpen en aanpakken van de complexiteit bij boulimia nervosa en alcoholgebruiksstoornis,” zegt onderzoeker Nicolas Leenaerts van de KU Leuven. “Door gebruik te maken van artificiële intelligentie kunnen we beter voorspellen wanneer eetbuien en binge drinken zullen optreden, en effectiever ingrijpen.”

Een patiënt zou bijvoorbeeld een smartphone-app kunnen gebruiken om zijn emoties en gedrag te rapporteren, en een algoritme zou het risico op eetbuien of bingedrinken kunnen voorspellen. Wanneer het risico hoog is, zou meteen een waarschuwing kunnen worden verzonden, afgestemd op de situatie waarin de patiënt zich op dat moment bevindt. Zo’n fijnmazige aanpak zou de effectiviteit van behandelingen voor boulimia nervosa en alcoholgebruiksstoornis aanzienlijk kunnen verbeteren.

Het onderzoek is gepubliceerd in het tijdschrift Psychological Medicine.