Informatica Medica Slovenica; 2022; 27(1-2) 27 published by / izdaja SDMI  http://ims.mf.uni-lj.si/  Strokovni članek Sara Mo čnik, Dejan Dinevski, Hojka Gregori č Kumperš čak Uporaba umetne inteligence za diagnosticiranje in zdravljenje oseb z mejno osebnostno motnjo Povzetek. Umetna inteligenca prevzema pomembno mesto v zdravstvu, pri čemer je najpogosteje uporabljeno strojno u čenje. Na podro čju psihiatrije opažamo strm porast raziskav o uporabi strojnega u čenja predvsem z namenom objektivizacije postavljanja psihiatri čnih diagnoz in personalizacije zdravljenja. Mejna osebnostna motnja je huda, obremenjujo ča in razmeroma pogosta duševna motnja, prizadeti posamezniki pa bi imeli pomembne koristi od zgodnje postavitve diagnoze in optimalnega zdravljenja. Članek predstavlja najnovejše raziskave s podro čja diagnosticiranja in zdravljenja mejne osebnostne motnje s pomo čjo umetne inteligence. Klju čne besede: umetna inteligenca; strojno u čenje; psihiatrija; mejna osebnostna motnja. The Usage of Artificial Intelligence to Diagnose and Treat Individuals with Borderline Personality Disorder Abstract. Artificial intelligence is gaining an important role in health care, with machine learning being the most commonly used approach. In the field of psychiatry, we are witnessing a sharp increase in research on the use of machine learning, primarily for the purpose of objectifying psychiatric diagnostics and personalising the treatment. Borderline personality disorder is a severe, burdensome and relatively common mental disorder. The affected individuals would benefit substantially from early diagnosing and optimal treatment. The article presents the latest research in the field of diagnostics and treatment of borderline personality disorder with the help of artificial intelligence. Key words: artificial intelligence, machine learning; psychiatry, borderline personality disorder.  Infor Med Slov 2022; 27(1-2): 27-32 Institucije avtorjev / Authors' institutions: Zdravstveni dom Velenje (SM); Medicinska fakulteta, Univerza v Mariboru (SM, DD, HGK); Univerzitetni klini čni center Maribor (HGK). Kontaktna oseba / Contact person: Sara Mo čnik, Zdravstveni dom Velenje, Vodnikova 1, 3320 Velenje, Slovenija. E-pošta / E-mail: sara.mergole@student.um.si. Prispelo / Received: 23. 12. 2022. Sprejeto / Accepted: 8. 1. 2023. 28 Mo čnik et al.: Uporaba umetne inteligence za diagnosticiranje in zdravljenje oseb z mejno osebnostno motnjo izdaja / published by SDMI  http://ims.mf.uni-lj.si/ Uvod Psihiatrične motnje predstavljajo veliko breme za bolnike, saj pogosto povzro čajo invalidnost ali prezgodnjo smrt, bremenijo pa tudi družbo – njihova obravnava je dolgotrajna in draga. Kljub pomembnim napredkom raziskav s psihiatri čnega podro čja v zadnjih letih, bi si strokovnjaki želeli hitrejšega napredka na podro čju zaznavanja in zdravljenja psihiatri čnih motenj. Kljub ve čjemu številu uveljavljenih strukturiranih in polstrukturiranih intervjujev trenutni pristopi pri diagnosticiranju in zdravljenju duševnih motenj še vedno v veliki meri slonijo na nestrukturiranem psihiatri čnem intervjuju in subjektivni oceni duševnega stanja. 1 Upad duševnega zdravja, vpliv le-tega na bolnike in družbo ter pomanjkanje ustrezno izobraženega zdravstvenega osebja so nakazali potrebo po uporabi umetne inteligence (UI) za identifikacijo oseb z visokim tveganjem za razvoj psihiatri čnih motenj ter kot pomo č pri nudenju ustreznih psihosocialnih intervenc in drugih terapevtskih ukrepov za prepre čevanje pojava teh motenj in zdravljenje bolnikov. 2 Mejna osebnostna motnja (MOM) je duševna motnja, za katero ocenjujejo, da prizadene 2 % splošne odrasle populacije, 3 in mo čno obremenjuje bolnika, njegovo družino in zdravstveni sistem. Povezana je s številnimi slabimi izidi, vklju čujo č nižjo stopnjo izobrazbe in slabše poklicne dosežke, manj dolgotrajnih partnerskih zvez in prijateljskih odnosov, ve č konfliktov v partnerskem odnosu, tvegano spolno vedenje, slabo socialno podporo, nižje zadovoljstvo z lastnim življenjem in pogostejšo uporabo javnih zdravstvenih storitev. Pri osebah z MOM opazimo zna čilno moteno uravnavanje čustev, izkrivljeno in nestabilno samopodobo in moteno funkcioniranje v medosebnih odnosih. Do nedavnega je veljalo, da se MOM ne da zdraviti. Trenutno bistveni del zdravljenja predstavlja psihoterapija, farmakološko zdravljenje je indicirano le za so časne psihiatri čne motnje, ki potrebujejo zdravljenje z zdravili že same po sebi, ali kadar je ob izjemnem poslabšanju duševnega stanja krizna intervenca v obliki psihosocialne podpore nezadostna. 4 Poleg raznolikih simptomov MOM psihoterapijo otežujejo tudi osebnostne zna čilnosti bolnikov. Težave v medosebnih stikih povzro čijo, da se upirajo terapiji, dvomijo v terapevta, sabotirajo zdravljenje. Zelo pogosto psihoterapijo na lastno željo pred časno zaklju čijo. Psihoterapevtsko zdravljenje MOM je dolgotrajno in drago, zaradi dolgih čakalnih vrst, pomanjkanja usposobljenega osebja in ''težavnosti'' pacientov pa so le-ti iz zdravstvenega sistema pogosto izlo čeni. Z UI podprta terapija bi lahko predstavljala dodatek k terapiji z osebnim stikom in potencial za izboljšanje dolgoro čnega izida zdravljenja. 5 Umetna inteligenca v psihiatriji Umetna inteligenca se v zdravstvu vedno pogosteje uporablja, uspešno na primer v onkologiji, radiologiji in dermatologiji. Primeri njene uspešne uporabe so analiza podatkov iz elektronskih zdravstvenih kartotek, analiza (iskanje vzorcev) radioloških slik, nadzorni sistemi z uporabo senzorjev ter analiza podatkov iz družbenih omrežij. 2 UI v psihiatriji pomeni uporabo naprednih ra čunalniških tehnik in algoritmov za diagnosticiranje, preprečevanje in zdravljenje duševnih motenj. 1 Njena uporaba na podro čju duševnega zdravja je trenutno skromna. Razlogi za to so ob čutljiva narava podatkov, pridobljenih med interakcijo med bolnikom in terapevtom, razmeroma majhno število razpoložljivih podatkov za u čenje in zelo raznoliki diagnosti čni kriteriji v aktualnem Diagnosti čnem in statisti čnem priro čniku za duševne motnje Ameriškega psihiatri čnega združenja (Diagnostic and Statistical Manual of Mental Disorders, DSM-5). Obdelava podatkov in klinično odlo čanje sta v psihiatriji veliko kompleksnejša kot nekatere druge specifi čne in objektivne naloge v zdravstvu (npr. identifikacija tumorja na sliki), ki jih že lahko opravi UI. 2 Podro čje duševnega zdravja se mo čno opira na vzpostavitev dobrega terapevtskega odnosa. Njegovo omejitev predstavlja količina časa, ki ga osebje lahko nameni posameznemu bolniku. UI lahko ponudi razbremenitev osebja na podro čjih, kjer osebni stik ni nujen in s tem omogo či osredotočenost psihiatra, psihologa in drugih članov strokovnega tima na bolj empati čno obravnavo – v tem smislu bi UI celo lahko naredila psihiatrijo bolj » človeško«. Podro čja, ki bi jih lahko prevzela UI, so podatkovno vodenje zdravstvenih kartotek in njihovo posodabljanje ter pridobivanje pomembnih informacij iz drugih razpoložljivih virov. Cilji uporabe UI v psihiatriji so odkrivanje motenj že v prodromalni fazi, personalizacija zdravljenja in opolnomo čenje bolnikov pri sodelovanju v zdravljenju. 2 Strojno u čenje in procesiranje naravnega jezika Strojno u čenje je najpogosteje uporabljena oblika UI v zdravstvu. Za u čenje, ocenjevanje in predvidevanje izidov prihodnjih dogodkov uporablja podatkovno vodene algoritme. Od tradicionalnih statisti čnih pristopov se razlikuje v marsičem: hipoteze praviloma ustvarja in jih ne preverja; ima manj predpostavk v Informatica Medica Slovenica; 2022; 27(1-2) 29 published by / izdaja SDMI  http://ims.mf.uni-lj.si/ primerjavi s strogimi predpostavkami, potrebnimi za statistično sklepanje; bolj je osredoto čeno na napovedi in prepoznavanje vzorcev kot na ocenjevanje vnaprej izbranih parametrov. 2 UI lahko uspešno obdeluje masivne podatke (angl. big data). Podzvrst strojnega u čenja, imenovana globoko u čenje (angl. deep learning), se v psihiatriji uporablja predvsem za podporo diagnostiki demence – bolezni, za katero so na podro čju psihiatrije na voljo največje podatkovne zbirke. Kot rešitev za pomanjkanje velikih podatkovnih zbirk s področja psihiatrije se ponuja u čenje s prenosom znanja (angl. transfer learning), ki ponudi prednau čene algoritme kot začetne točke za analizo novih podatkov. 2 Procesiranje naravnega jezika vklju čuje razli čne metode: prepoznava govora, sentimentalna, leksi čna in semantična analiza govora in prepoznava opti čnih znakov za prenos besedila iz nestrukturiranega v strukturiran format za nadaljnje analize. Navedene m e t o d e s o z a p o d r o čje psihiatrije še posebej pomembne, saj sta jezik in govor primarna vira informacij za postavljanje diagnoz in zdravljenje psihiatri čnih motenj. Zapisi nestrukturiranih psihiatri čnih ocen (psihiatri čna anamneza in status) so enostavno dostopni, poceni in nudijo veliko uporabnih informacij. 2 Pomo č pri postavljanju diagnoze in zdravljenju Sistemi UI lahko pri postavljanju diferencialne diagnoze pomagajo na ve č na činov: ■ izboljšajo razlikovanje med diagnozami s podobno za četno klinično sliko in razli čnimi pristopi zdravljenja (npr. razlikovanje med depresivno epizodo bipolarne motnje in unipolarno depresijo na podlagi slikanja možganov); ■ pomagajo pri identifikaciji novih podtipov bolezni (npr. endofenotipi shizofrenije, podtipi depresije na osnovi slikanja možganov); ■ iz neobi čajnih podatkov in podatkovnih virov zgradijo modele – združevanje podatkov iz elektronskih zdravstvenih kartotek, nosljivih senzorjev, govora, objav v družbenih medijih, nevrofizioloških in slikovnih podatkov (RTG, CT, MR, …) ter genetike v modele za obravnavo duševnih motenj (npr. uporaba slik, objavljenih na družbenem omrežju, za dolo čanje tveganja za depresijo). UI lahko upošteva tako genetske kot okoljske dejavnike tveganja, kar je pomembno pri kompleksni bio-psiho-socialni naravi psihiatri čnih motenj. 2 UI lahko psihiatri čno zdravljenje podpre na ve č na činov: ■ predvidevanje odziva na zdravljenje, s čemer se izognemo sodelovanju v klini čnih študijah, ki so za pacienta neu činkovite, invazivnim in dragim elektrostimulacijam možganov in zamudnim psihoterapijam (npr. odziv na zdravljenje z antidepresivom glede na dosežke na klini čnem vprašalniku in EEG posnetek); ■ predvidevanje pojava resnih neželenih u činkov (npr. tveganje za ledvi čno insuficienco pri zdravljenju z litijem glede na podatke iz elektronske zdravstvene kartoteke); ■ gradnja novih teoreti čnih modelov patofiziologije bolezni (npr. dolo čitev časovnice poteka bolezni in razvoja sprememb možganov od prodroma preko prve psihoze do shizofrenije); ■ dolo čanje genetskih vzorcev, zna čilnih za razli čne psihiatri čne motnje; ■ dolo čanje potencialnih novih zdravil z uporabo simulacije in podatkovno vodenih pristopov. 2 Mejna osebnostna motnja Klinična slika Spekter znakov MOM je zelo širok in se lahko tekom življenja pri posamezniku spreminja. Simptomatika MOM je najo čitnejša na treh podro čjih: intenzivno čustvovanje z mo čnimi nihanji, vklju čujo č impulzivnost; nestabilna in spreminjajo ča se samopodoba; in težave v medosebnih odnosih. Pri osebah z MOM se pogosteje kot v splošni populaciji pojavljajo nekatera disfunkcionalna vedenja: ponavljajo če samopoškodovalno vedenje, kroni čne samomorilne misli, agresivni izbruhi in preobčutljivost na zavrnitev. Simptomi se prvi č pojavijo v adolescenci, dosežejo vrh v pozni adolescenci in zgodnji odrasli dobi, kasneje se praviloma postopno umirjajo. 4 Diagnosticiranje Pomembno je na diagnozo posumiti že v zgodnji adolescenci in poiskati osebe s povišanim tveganjem za razvoj MOM. Ob akutni krizni situaciji je, če pacient zaradi MOM še ni bil obravnavan, pomembno izvesti potrebno diagnostiko. Ve čini pacientov z MOM postavitev diagnoze predstavlja bistveno olajšanje, saj si z njo razložijo svoje vedenje in pretekle življenjske izkušnje. Postavljena diagnoza je pogoj za pri četek ustrezne psihoedukacije in zdravljenja. 4 30 Mo čnik et al.: Uporaba umetne inteligence za diagnosticiranje in zdravljenje oseb z mejno osebnostno motnjo izdaja / published by SDMI  http://ims.mf.uni-lj.si/ Zdravljenje Pomembno je, da z zdravljenjem MOM za čnemo kar se da hitro, da preprečimo potencialno kronifikacijo motnje. Zdravljenje v prvi vrsti predstavljajo psihosocialne intervence. Poleg bistvene psihoterapije so pomembni tudi preventiva pri osebah s povišanim tveganjem za razvoj MOM, individualni na črti za ravnanje ob krizah, vklju čitev pomembnih drugih, osredoto čenost na funkcioniranje osebe izven zdravljenja, šola za starše, pomo č Centra za socialno delo itd. Glavni obliki psihoterapije, ki se uporabljata pri zdravljenju MOM, sta dialekti čna vedenjska terapija in na mentalizaciji temelje ča terapija. 4 Akutno zdravljenje MOM vklju čuje akutne psihosocialne intervence in uporabo psihofarmakoterapije. 4 Pogosto so predpisana razli čna psihotropna zdravila, čeprav nimajo uradne indikacije za zdravljenje MOM (angl. off-label medication use). 6 Količina dokazov o u činkovitosti razpoložljive psihofarmakoterapije je omejena. Trenutne raziskave ne podpirajo uporabe zdravil ob odsotnosti komorbidnih psihiatri čnih bolezni. V primerjavi s placebom naj bi imela zdravila minimalen do ni čen u činek na jakost simptomov MOM, samopoškodovalno vedenje, s samomorom povezane izide ter psihosocialno funkcioniranje. Dokazi z nizko stopnjo gotovosti kažejo na manj težav v medosebnih odnosih po uporabi antipsihotikov ali stabilizatorjev razpoloženja, pri uporabi antidepresivov pa je ta u činek minimalen do ni čen. 6 Bistveno je, da pacienta motiviramo za zdravljenje in ga spodbudimo, da si poiš če psihoterapevtsko podporo. V idealnih javnozdravstvenih okoliš činah bi osebi z MOM takoj bilo omogo čeno specifi čno psihoterapevtsko in psihiatri čno zdravljenje, ki bi intenzivno potekalo vsaj šest mesecev. Bolnišni čno zdravljenje MOM ni priporo čljivo; če je nujno, mora biti čim krajše. 4 Uporaba umetne inteligence pri obravnavi oseb z mejno osebnostno motnjo Diagnosticiranje mejne osebnostne motnje Osebe z MOM pogosto dobijo napa čno diagnozo ali je sploh nimajo, zato ve čkrat zamudimo optimalen čas za pri četek zdravljenja. Avtomatsko presejanje elektronskih zdravstvenih kartotek je ena izmed možnosti za zgodnjo identifikacijo oseb z MOM. Osnovano je na algoritmu, ki vklju čuje na pravilih osnovano izbiro in strojno u čenje. Algoritem najprej izbere potencialne bolnike glede na sočasne bolezni in simptome, pogosto povezane z MOM, nato pa predvidi, ali je pri posamezniku bolj verjetno, da motnjo ima ali je nima. 7 Druga možnost uporabe UI za zgodnje odkrivanje oseb z MOM vklju čuje uporabo razvrš čanja z algoritmom naključnih gozdov (angl. random forest classification). Algoritem je izluščil zna čilke čustvovanja pri osebah s postavljeno diagnozo MOM z 81 % to čnostjo. 8 Z metodo strojnega u čenja, regularizirano regresijo, lahko identificiramo najpomembnejše dejavnike tveganja za razvoj MOM. Tako zgrajen model vklju čuje 19 dejavnikov tveganja; simptomi depresije in anksioznosti, samokontrola, strogo kaznovanje ter slabo socialno in šolsko funkcioniranje so se izkazali za najbolj kriti čne. 9 Povsem objektivno klini čno orodje za postavitev diagnoze MOM ne obstaja. Opisana je uporaba strojnega u čenja, natan čneje prepoznavanja vzorcev in metod razvrš čanja, za izluš čenje značilk iz funkcijskega magnetnoresonan čnega slikanja (nenormalna možganska aktivnost v izbranih regijah ob odzivih na izraze obraza) za prepoznavo MOM. Predlagani pristop je dosegel 94 % to čnost pri razlikovanju 21 oseb z MOM od 10 zdravih oseb. 10 Mnoge raziskave so že potrdile morfološke spremembe možganov pri osebah z MOM. Opisano je razlikovanje oseb z MOM od zdravih s kombinacijo avtomatiziranih morfometri čnih orodij za merjenje kortikalne debeline in razvrš čanja z uporabo metode podpornih vektorjev. Pristop vklju čuje izbiro zna čilk za identifikacijo regij z najve čjim potencialom za razlikovanje. Opisano bi lahko slikanje možganov vklju čilo v diagnostiko razli čnih psihiatri čnih motenj. 11 Razlikovanje bipolarne motnje od mejne osebnostne motnje je pogosta diagnosti čna dilema, saj se njuni simptomi pogosto prekrivajo. Pri obeh opazimo disfori čno razpoloženje, samomorilnost in samopoškodovalno vedenje, impulzivnost – najpogosteje zapravljanje – in spolno dezinhibiranost ter zlorabo alkohola in prepovedanih drog. Predvsem na osnovi impulzivnosti lahko osebo z MOM hitro ozna čimo kot mani čno ali hipomanično. Na podlagi strojnega u čenja je mogo če uspešno razlikovati med tema motnjama. 12 Zdravljenje mejne osebnostne motnje V literaturi je predstavljena uporaba UI v obliki procesiranja naravnega govora kot dodatka k dialekti čni vedenjski terapiji ali na mentalizaciji temelje či terapiji, pa tudi drugim, pri MOM redkeje uporabljenim terapijam. Pri tem lahko navidezni agent nudi podporo pri mentalizaciji in bolnika z Informatica Medica Slovenica; 2022; 27(1-2) 31 published by / izdaja SDMI  http://ims.mf.uni-lj.si/ usmerjenimi vprašanji vodi skozi psihoterapevtsko seanso. Dodatno lahko prepoznava bolnikova čustva, izbiro besed, negativno razmišljanje, zmožnost samokontrole itd. ter v skladu s tem usmerja potek seanse. 5 Le približno polovica oseb z MOM se dobro odzove na ustrezno obliko psihoterapije, ki je sicer težko dostopna in draga. Razmeroma nizek delež uspešnosti bi lahko dvignili, če bi poznali objektivne napovedne dejavnike za izboljšanje simptomov po terapiji. Z uporabo strojnega u čenja je mogo če iskati klini čne zna čilnosti, ki bi lahko napovedale izboljšanje ali poslabšanje resnosti motnje in impulzivnosti oseb z MOM po skupinski dialekti čni vedenjski terapiji. Izbrana metoda je uspešno identificirala 34 pomembnih napovednih dejavnikov za resnost motnje in 17 za impulzivnost. Takšna metoda bi lahko predstavljala osnovo za personalizirano zdravljenje MOM. 13 Znižanje tveganja za čustveno krizo pri osebah z MOM je možno dose či z zdravljenjem osnovne čustvene disregulacije in/ali s terapevtsko podporo med krizo (npr. s telefonskim klicem), toda tak pristop ni u činkovit, saj porablja veliko človeških virov in finan čnih sredstev. Terapevtska ra čunalniška aplikacija bi lahko predstavljala na čin za reševanje potreb po dodatni terapiji oseb z MOM med samo krizo. Mobilna aplikacija B-RIGHT, osnovana na psihoterapevtskih algoritmih UI, se poslužuje dialekti čne vedenjske terapije, ki je bila uspešna pri zmanjšanju zlorabe prepovedanih drog in samopoškodovalnega vedenja brez samomorilnega namena ter pri zniževanju averzivne napetosti. Bolniki so bili z uporabo aplikacije v smislu omilitve simptomov zelo zadovoljni. 3 Razprava Pregled aktualnih raziskav z obravnavanega podro čja razkriva potencial za povezovanje metod umetne inteligence in klini čnega dela psihiatrov ter drugih sodelujo čih v obravnavi oseb z mejno osebnostno motnjo. Pomembno omejitev pri obravnavi razpoložljive literature predstavlja omejitev izklju čno na mejno osebnostno motnjo; zelo verjetno bi bilo tudi dela s podro čja drugih osebnostnih motenj ali drugih podro čij psihiatrije možno in smiselno aplicirati na obravnavo mejne osebnostne motnje. Literatura torej v splošnem podpira smiselnost razvoja na umetni inteligenci osnovanih intervenc za diagnosticiranje in zdravljenje psihiatri čnih motenj. Poleg o čitnega prenosa opravljanja rutinskih nalog iz zdravnika na inteligentna orodja in posledične razbremenitve ter ve čje osredoto čenosti na odnos med zdravnikom in bolnikom so njihove pomembne prednosti tudi dejstvo, da nekateri bolniki ob še vedno mo čno prisotni stigmatizaciji svoje težave lažje zaupajo ra čunalniku kot zdravniku, izogibanje negativnemu transferju ob stiku bolnika s terapevtom ter enostaven in hiter dostop do terapije. 1,5 Ker je ustrezno zdravljenje MOM v mnogih okoljih težko dostopno, je potrebna usmeritev v razvoj konceptov zdravljenja s kratkimi programi za samopomo č pri osebah z blago obliko MOM in v zagotavljanje kompleksnejših in daljših obravnav s strani strokovnjakov za osebe s hujšimi oblikami. 4 Umetna inteligenca je osnovana na človeški inteligenci in lahko marsikatero nalogo opravi hitreje in bolje kot človek. Z nadaljnjimi izboljšavami se bo morda neko č razvila v superinteligenco. Kljub temu, da lahko ponovi marsikatero človeško inteligentno sposobnost, kot so hitrost obdelave podatkov, spomin, sklepanje, vidno-prostorske sposobnosti, slušno procesiranje in povezava znanja z razumevanjem, pa umetna inteligenca ni sposobna so čutnih in pravičnih odločitev. Ni sposobna upoštevati raznolikosti med ljudmi, razli čnih perspektiv, etike in morale. Vse to govori v prid potrebe po nadgradnji umetne inteligence v umetno modrost, ki bo lahko omogo čila bolj so čutno in eti čno oskrbo raznolikih skupin ljudi. 2 Kljub velikim obetom in pri čakovani rasti uporabe razli čnih oblik umetne inteligence v raznolikih zdravstvenih situacijah je skrb, da bi robot ali algoritem v celoti prevzel delo psihiatra ali psihologa, odve č. Pri čakovati je in dobrodošel bo prenos monotonih, obremenjujo čih in ponavljajo čih se vsakodnevnih nalog na UI, ki bi lahko vodil do višje u činkovitosti in manjše možnosti napak pri zdravljenju. Reference 1. Fakhoury M. Artificial intelligence in psychiatry. Adv Exp Med Biol 2019; 1192: 119-125. https://doi.org/10.1007/978-981-32-9721-0_6 2. Lee EE, Torous J, De Choudhury M, et al. Artificial intelligence for mental health care: clinical applications, barriers, facilitators, and artificial wisdom. Biol Psychiatry Cogn Neurosci Neuroimaging 2021; 6(9): 856-864. https://doi.org/10.1016/j.bpsc.2021.02.001 3. Frías Á, Palma C, Salvador A, et al. B·RIGHT: usability and satisfaction with a mobile app for self- managing emotional crises in patients with borderline personality disorder. Australas Psychiatry 2021; 29(3): 294-298. https://doi.org/10.1177/1039856220924321 4. Bohus M, Stoffers-Winterling J, Sharp C, Krause-Utz A, Schmahl C, Lieb K. Borderline personality 32 Mo čnik et al.: Uporaba umetne inteligence za diagnosticiranje in zdravljenje oseb z mejno osebnostno motnjo izdaja / published by SDMI  http://ims.mf.uni-lj.si/ disorder. Lancet 2021; 398(10310): 1528-1540. https://doi.org/10.1016/S0140-6736(21)00476-1 5. Szalai J. The potential use of artificial intelligence in the therapy of borderline personality disorder. J Eval Clin Pract 2021; 27(3): 491-496. https://doi.org/10.1111/jep.13530 6. Stoffers-Winterling JM, Storebø OJ, Pereira Ribeiro J, et al. Pharmacological interventions for people with borderline personality disorder. Cochrane Database Syst Rev 2022; 11(11): CD012956. https://doi.org/10.1002/14651858.CD012956.pub2 7. Zang C, Goodman M, Zhu Z, et al. Development of a screening algorithm for borderline personality disorder using electronic health records. Sci Rep 2022; 12(1): 11976. https://doi.org/10.1038/s41598-022-16160-z 8. Deb K, De H, Chatterjee SS, Pal A. Studying borderline personality disorder using machine learning. In: 16th International conference on ubiquitous information management and communication (IMCOM). Seoul, Korea: 2022: IEEE: 1-6, https://doi.org/10.1109/IMCOM53663.2022.97218 00 9. Beeney JE, Forbes EE, Hipwell AE, et al. Determining the key childhood and adolescent risk factors for future BPD symptoms using regularized regression: comparison to depression and conduct disorder. J Child Psychol Psychiatry 2021; 62(2): 223-231. https://doi.org/10.1111/jcpp.13269 10. Xu T, Cullen KR, Houri A, Lim KO, Schulz SC, Parhi KK. Classification of borderline personality disorder based on spectral power of resting-state fMRI. Annu Int Conf IEEE Eng Med Biol Soc 2014; 2014: 5036-5039. https://doi.org/10.1109/EMBC.2014.6944756 11. Sato JR, de Araujo Filho GM, de Araujo TB, Bressan RA, de Oliveira PP, Jackowski AP. Can neuroimaging be used as a support to diagnosis of borderline personality disorder? An approach based on computational neuroanatomy and machine learning. J Psychiatr Res 2012; 46(9): 1126-1132. https://doi.org/10.1016/j.jpsychires.2012.05.008 12. Bayes A, Spoelma MJ, Hadzi-Pavlovic D, Parker G. Differentiation of bipolar disorder versus borderline personality disorder: a machine learning approach. J Affect Disord 2021; 288: 68-73. https://doi.org/10.1016/j.jad.2021.03.082 13. Jiménez S, Angeles-Valdez D, Rodríguez-Delgado A, et al. Machine learning detects predictors of symptom severity and impulsivity after dialectical behavior therapy skills training group in borderline personality disorder. J Psychiatr Res 2022; 151: 42-49. https://doi.org/10.1016/j.jpsychires.2022.03.063