Η μελέτη παρουσιάζει την εφαρμογή του δικτύου INTRINSIC, ενός ολοκληρωμένου συστήματος τηλε-υγείας για την ψυχογηριατρική φροντίδα, το οποίο ενσωματώνει τεχνικές μηχανικής μάθησης με στόχο τη βελτίωση της πρόσβασης των ηλικιωμένων σε υπηρεσίες ψυχικής υγείας, ιδιαίτερα σε απομακρυσμένες ή κοινωνικοοικονομικά ευάλωτες περιοχές.
Στην έρευνα συμμετείχαν 1.143 άτομα από 11 δομές (2022–2025), με τη συλλογή δεδομένων να πραγματοποιείται μέσω της ψηφιακής πλατφόρμας HERMES. Αναλύθηκαν δημογραφικά, κλινικά και συμπεριφορικά δεδομένα, ενώ αναπτύχθηκε μοντέλο μηχανικής μάθησης για την πρόβλεψη της γνωστικής λειτουργίας (Mini-Cog). Το μοντέλο εντόπισε παράγοντες που σχετίζονται με χαμηλότερη γνωστική επίδοση (π.χ. υποκειμενικά γνωστικά προβλήματα, πολυφαρμακία, ιστορικό πτώσεων), αλλά και παράγοντες που σχετίζονται με καλύτερη επίδοση (π.χ. άσκηση, αϋπνία, αγχώδεις διαταραχές). Η απόδοση του μοντέλου ήταν ικανοποιητική (ROC-AUC = 0.76).
Συνολικά, η μελέτη αναδεικνύει τη δυναμική του INTRINSIC ως ένα καινοτόμο και επεκτάσιμο μοντέλο που συνδυάζει τηλεψυχιατρική και τηλε-νευροψυχολογία με προηγμένες αναλυτικές μεθόδους, συμβάλλοντας στη μείωση των ανισοτήτων στην πρόσβαση και στη βελτίωση της διάγνωσης και φροντίδας της γνωστικής υγείας των ηλικιωμένων.
